一句话看懂：DeepSeek 于 7 月 31 日发布 V4 Flash 0731 模型，在 ARC-AGI-1 Semi-Private 评测中拿到 89.0% 准确率，单任务推理成本仅 0.02 美元；在难度更高的 ARC-AGI-2 上达到 61.4%，单任务成本 0.04 美元。值得关注的不只是分数，而是“接近顶尖推理水平的同时把单位成本压到了极低”。
事件核心：发生了什么
根据 arcprize.org 发布的评测结果，DeepSeek V4 Flash 0731 提供了三种推理强度设定：Max、High、Low。在 ARC-AGI-1 Semi-Private 上，三档准确率分别为 89.0%、87.0%、84.0%；在 ARC-AGI-2 Semi-Private 上，分别为 61.4%、56.0%、46.0%。其中 Max 档位的单任务 API 成本为 0.02 美元（ARC-AGI-1）和 0.04 美元（ARC-AGI-2）。ARC-AGI-3 没有公布成绩。
ARC-AGI-2 由 ARC Prize 基金会推出，比 ARC-AGI-1 更难，专门设计用来排除模型的记忆型解题路径，强调抽象推理与举一反三能力。DeepSeek V4 Flash 0731 在 ARC-AGI-2 上取得 61.4%，是目前公开评测里少数突破 60% 的模型之一。“Flash”命名和定价也表明它定位为高性价比的轻量推理版本，而非旗舰级模型。
为什么重要
这次评测结果的意义在于“低成本 + 强推理”的组合。过去两年，模型在 ARC-AGI 这类基准上提分，往往依赖更长的测试时计算（test-time compute）和更高推理成本。DeepSeek V4 Flash 0731 以不到 0.05 美元的单任务成本，在 ARC-AGI-2 上拿到 60% 以上成绩，说明抽象推理能力的获取不再只属于高溢价模型，性价比路线同样能逼近第一梯队。
对行业而言，这会影响两类判断：一是模型能力评估，ARC-AGI-2 正逐渐成为比传统 MMLU 类题库更受关注的推理标尺，DeepSeek 主动提交成绩，说明国内模型厂商开始把“可验证的推理能力”作为竞争焦点；二是商业化逻辑，如果 Flash 系列的真实 API 价格与评测成本一致，那么大规模智能体（Agent）任务、批量数据处理类应用的算力成本结构会被重新定价。
此外，得分随推理强度档位平滑变化（Max 到 Low 相差约 15 个百分点），也为开发者提供了一种能力-成本可调的实用范式。
对用户/开发者/创作者的影响
对开发者和 API 用户来说，最直接的影响是：在以抽象推理为核心的任务（如代码生成、逻辑规划、结构化数据转换）中，可以用更低成本接入接近顶级水准的模型。三档推理强度设定尤其适合按场景调节——高并发、低敏感任务可以切到 Low 档降本，复杂推理再升级到 Max。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对做智能体应用、自动化工作流工具的团队，ARC-AGI-2 这类基准对应的恰恰是“看一遍示例就能迁移解题”的能力，这正是 Agent 落地中最需要的泛化能力。低单价意味着更大规模的试错和调用，不再需要因为单次推理太贵而限制 Agent 的运行次数。
普通用户层面，Flash 系列通过降低调用成本，可能让更高智能的 AI 助手进入更多免费或低价产品中，但现阶段这一结论还有待 API 正式开放后验证。
值得关注的后续
1. DeepSeek V4 Flash 0731 是否会把评测中的低价策略原样落地到开放 API，还是仅作为评测成本展示，需要等待官方接口定价确认。
2. ARC-AGI-3 目前没有成绩，后续是否会补测，以及
