DeepSeek V4 Flash 0731 是 DeepSeek 快速、经济的 V4 Flash 系列在 2026 年 7 月的发布版本，它是此前 V4 Flash 的接替版，而不是并列的一个变体。
- 输入
- 文本 $0.44/M
- 输出
- 文本 $1.32/M
- 缓存读取
- $0.044/M
- 上下文
- 1M
- 对比 GPT-4o
- 便宜约 91%
Benchmark 成绩
厂商公布: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
价格在同类中的位置
价格在 66 个同类模型中的位置
这条线显示该模型的价格，在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价，批量、区域和缓存写入的折扣见价格页。
规格与限制
Token
| 上下文窗口(厂商规格) | 1,000,000 |
|---|---|
| 最大输出(厂商规格) | 393,216 |
提示词缓存
| 缓存方式 | 自动 |
|---|---|
| 存活时间 | 无固定 TTL（长期未使用即自动清理） |
思考
| 参数 | reasoning_effort |
|---|---|
| 取值 | minimal · low · medium · high 具体接受哪些由厂商决定 |
模型
| 模态 | 文本 → 文本 |
|---|---|
| 参数量 | 总参数 284B · 激活 13B MoE |
| 许可证 | MIT |
- July 2026 release of DeepSeek V4 Flash
- same 284B/13B-active MoE design, gains from a stronger post-training pipeline rather than a new architecture
单个 Prompt —— 通过网关实测
DeepSeek V4 Flash (0731) 通过 · 3 sentences
Enabling reasoning mode prompts the model to generate extensive internal chain-of-thought tokens before answering, often multiplying total token output per query by several times. This directly inflates costs because we are billed per token, and these reasoning tokens are processed at a premium compute tier that carries a higher price per million tokens. However, this spend buys measurably higher accuracy and fewer failed calls, so we are tracking it against specific error-reduction KPIs to ensure the ROI justifies the increase.
输出 365 tok (+266 思考) 延迟 5.1 s
指令遵循（恰好三句，可数）、受众适配（面向 CFO 的语气），以及下方 token 计量所暴露的隐藏思考计费缺口。
DeepSeek V4 Flash (0731) 通过 · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original bug stems from initializing `cur` to 0 and only incrementing it when adjacent elements are equal, which counts the number of *equal transitions* rather than the actual run length—so every run of length L is reported as L−1, and a single‑element run (with no transitions) yields 0. Moreover, because `best` is updated only inside the equality branch, it never accounts for a run that ends at the last element if that run is longer than any previously seen (though the real issue remains the off‑by‑one). […]
输出 1268 tok (+1016 思考) 延迟 14.0 s
修复是否真的正确（可运行）、解释的信息密度，以及在一个边界明确的任务上的 token 效率。
DeepSeek V4 Flash (0731) 通过 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }
输出 1119 tok (+1072 思考) 延迟 12.3 s
schema 服从度（不臆造字段）、幻觉压力（guidance 明确被暂缓给出），以及结构化输出路径的差异。
DeepSeek V4 Flash (0731) 未命中 · 141 words, 0 banned, 1 question
**Introducing Prompt Cache for API Gateway** We are pleased to announce Prompt Cache, a new feature that stores and reuses identical prompt prefixes across all connected LLM providers. By automatically recognizing repeated requests, this cache reduces token consumption and lowers latency without altering your application logic. Whether you use OpenAI, Anthropic, or open-source models, the cache operates transparently, ensuring consistent behavior while cutting costs. Developers can configure cache TTL and scoping rules via a simple API call, giving you precise control over data freshness and privacy. This feature also minimizes redundant upstream calls, freeing provider rate limits for more critical workloads. Start caching today through the dashboard or CLI, and watch your operational expenses drop significantly. […]
输出 254 tok (+80 思考) 延迟 4.4 s
约束服从度（字数预算、禁用词表、唯一的那句问句）、文风指纹，以及长度控制。
30 秒用上 DeepSeek V4 Flash (0731)
OpenAI 兼容:换掉 base_url,SDK 不用改。POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="deepseek-v4-flash-0731",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "deepseek-v4-flash-0731",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash-0731",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "deepseek-v4-flash-0731",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("deepseek-v4-flash-0731")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));关于 DeepSeek V4 Flash (0731)
- 架构与规模没有变化——混合专家模型，总参数 284B、推理时激活 13B——DeepSeek 把提升归因于大幅增强的后训练流程而非新设计，重点放在智能体工作流与推理质量上。
- 使这一系列在工程上有吸引力的部分全部保留：1M token 上下文窗口、384K 最大输出、MIT 许可权重、函数调用、结构化输出与流式。
- 思考默认开启，轨迹回传在 reasoning_content 中，这一点在它身上比多数模型更要紧：短提示下思维轨迹可能占到输出 token 的绝大部分，于是过紧的 max_tokens 预算会返回空回答，而思考所花的 token 照样计费。
- 接入延迟敏感的链路之前，请为此留出预算或调低推理力度。
- 该模型输入输出均为纯文本，不支持图像输入，需要视觉能力时应搭配视觉模型，而不是直接发多模态消息。
- 由于带日期的发布版与不带日期的滚动名都可调用，需要行为可复现时请固定带日期的 id，并预期不带日期的名字会随时间前移。
- Synthorai 通过 OpenAI 兼容的 chat completions 端点提供该模型。
常见问题
DeepSeek V4 Flash (0731) API 可以免费试用吗?
可以。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。按输入 $0.44/M 计算,仅这笔额度就足够对 DeepSeek V4 Flash (0731) 发起约 284 次 ~8K token 的请求。
DeepSeek V4 Flash (0731) 最擅长什么?
284B MoE，激活 13B，MIT 许可、接替此前的 V4 Flash 版本、1M 上下文，最大输出 384K。完整能力请见「关于」部分,内容取自厂商官方发布说明。
DeepSeek V4 Flash (0731) 的价格是多少?
在 Synthorai 上,DeepSeek V4 Flash (0731) 输入 $0.44/百万 token、输出 $1.32/百万 token,即厂商牌价,无平台加价。缓存命中的输入 token 按 $0.044/M 计费。
DeepSeek V4 Flash (0731) 支持提示词缓存(prompt caching)吗?
支持,且全自动:经 DeepSeek 提供的提示词自动缓存,无需改代码。缓存命中的输入 token 按 $0.044/M 计费(未命中 $0.44/M)(TTL 无固定 TTL（长期未使用即自动清理）)。 提示词缓存指南 →
如何开通 DeepSeek V4 Flash (0731)?
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "deepseek-v4-flash-0731" 即可。一把 API key 通用网关上的全部模型。
DeepSeek V4 Flash (0731) 开源吗?
开源:权重以 MIT 许可证 发布。也可以省去 GPU:这里的托管版本按量付费,无需自建基础设施。 运行开源权重模型 →
相关模型
对比
本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。