一句话看懂：DeepSeek 发布 V4 系列新模型 V4-Flash-0731，以 304B 参数和远低于同类模型的 API 定价，在智能体（agentic）能力上表现突出。按照 Simon Willison 的实测与 Artificial Analysis 排名，它可能是当前性价比最高的开源大模型之一。
事件核心：发生了什么
DeepSeek 于 2026 年 7 月 31 日发布 DeepSeek-V4-Flash-0731，这是 V4 系列的最新版本，官方描述为“大幅增强智能体（agentic）能力”。模型规模为 3040 亿参数，Hugging Face 上的权重文件约 167GB，属于当前开源模型中的大体积选手。
关键信息来自 Simon Willison 的试用与第三方评测：Artificial Analysis 的排名显示，V4-Flash-0731 的综合表现超过参数规模更大的 MiniMax M3（4280 亿参数），呈现出“小体量、高性能”的反差。API 定价为每百万输入 token 0.14 美元、每百万输出 token 0.27 美元，远低于同类性能模型。Simon Willison 在 OpenRouter 上实测绘图能力，默认推理级别下生成的“鹈鹕”效果不佳，但将 reasoning effort 调至 high 后输出质量明显提升，说明该模型的推理深度对结果有显著影响。
为什么重要
这件事的意义不在于“又一个新模型发布”，而在于它同时触及了当下大模型竞争的两个核心维度：性能与成本。
一方面，V4-Flash-0731 用 304B 参数挑战 400B 以上模型的基准表现，说明模型架构、训练数据或推理策略的优化，正在让“参数规模不再等于性能上限”。这对继续堆参数的闭源路线形成压力，也让“小模型 + 高推理强度”成为值得关注的替代方案。
另一方面，0.14 美元/百万输入 token 的定价将高性能模型的 API 成本拉到了行业低位。Simon Willison 在原文中判断，这可能当前是“性价比最高的模型”（best value-per-intelligence model），这一判断如果成立，会直接影响开发者在模型选型时的性价比计算，也可能倒逼同价位竞品调整定价或技术路线。
作为开源模型，V4-Flash-0731 的权重已经公开，意味着开发者可以本地部署或自行微调，进一步放大了它在智能体应用、批量推理等对成本敏感场景中的吸引力。
对用户/开发者/创作者的影响
对开发者而言，最直接的机会在于：如果构建智能体或高频调用推理 API 的工具类产品，V4-Flash-0731 的低定价显著降低了试错成本。需要留意的是，根据 Simon Willison 的实测，推理级别（reasoning effort）需要手动调高才能发挥模型能力，这意味着开发者在接入时需要主动调整推理强度参数，而不是依赖 API 默认配置。
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。
对普通用户来说，这类高性价比模型可能会让更多 AI 应用选择它作为底层推理引擎，间接提升产品的响应速度和可用性。对内容创作者，如果通过 API 使用图像生成或文字生成功能，建议先测试不同推理级别下的输出差异，避免因默认参数过低而得到平庸结果。
值得关注的后续
其一，价格是否引发连锁反应。V4-Flash-0731 的定价极低，若实际测评持续证实其性能，其他 API 提供商是否会跟进降价，或通过优化推理效率来对抗，值得观察。
其二，推理级别的默认值与最佳实践。Simon Willison 的测试表明，同一模型在不同推理强度下的输出质量差异明显。后续值得关注社区是否形成一致的调参共识，例如在哪些任务下适合高推理、哪些场景可以用默认值控制成本。
其三，满血版 V4 与 Flash 版的定位差异。此次发布的是 Flash 版本，DeepSeek V4 家族中是否还有规模更大或能力更强的主力版本，将决定 Flash 版“小参数 + 高性能”是否只是系列中的性价比分支，而非全系技术水平的代表。
