Artificial Analysis在7月31日发布了对DeepSeek V4 Flash 0731的独立测试；DeepSeek当前API定价页也把线上型号标为DeepSeek-V4-Flash-0731。与4月24日上线并开放权重的V4预览版相比，这次变化不是推出一个全新系列，而是在相同规模和价格下更新Flash模型。DeepSeek尚未在官网新闻页单独披露0731版的完整训练或改动说明，因此现阶段能确认的主要是线上型号、接口参数和第三方评测结果，不能把它描述成一次已经充分公开技术细节的正式换代。
4月的官方资料显示，V4-Flash总参数为2840亿、每个Token激活130亿参数，定位偏向速度和成本效率。DeepSeek当时称，Flash的推理能力接近V4-Pro，在简单智能体任务上与Pro相当；这些属于厂商口径。当前定价页列出的0731版仍支持思考和非思考模式，标准上下文长度为100万Token，最大输出38.4万Token，并提供JSON输出、工具调用、Responses API、前缀续写和填空补全。接口同时兼容OpenAI Chat Completions和Anthropic格式，已经采用这些调用方式的团队可以减少接入层改造，但提示词、安全策略和数据流程仍需重新测试。
价格没有随0731版上调。DeepSeek列出的每百万Token未命中缓存输入价为0.14美元，输出价为0.28美元，命中缓存的输入价为0.0028美元。官网同时提示，未来将引入高峰时段两倍价格，生效日期等待正式公告。这一点意味着当前低价不能简单外推为全天不变的长期成本，应用方还要考虑请求时段、缓存命中率和输出长度。
Artificial Analysis给0731版的Intelligence Index评分为50，比4月版高10分。该指数由九项评测组成；在偏向真实智能体工作的GDPval-AA v2中，0731版Elo从1189升至1559，Terminal-Bench 2.1提高17个百分点至79%，工具使用相关的τ³-Banking提高8个百分点至31%。这组结果支持“智能体任务表现改善”的判断，但它来自一套固定基准，并不等于企业工作流的一次完成率。
风险边界同样写在评测数据里。0731版在AA-Omniscience中的准确率仍为37%，幻觉率降至84%；后者较前代下降，但绝对值仍高。评测还记录到，完成整套Intelligence Index时输出Token总量约为2.06亿，较前代减少12%。这些数字说明效率与部分能力同时改善，却不足以证明模型在涉及外部工具、权限和业务数据时可以减少人工复核。
低Token价格在智能体场景中容易被放大，因为一次用户任务常被拆成规划、检索、工具调用、检查和重试。真正可比较的成本不是单次报价，而是完成一个合格任务所消耗的全部Token、重试次数、工具错误和人工时间。0731版降低了开展大样本测试的门槛，也把验证重点从聊天回答转向完整任务。它能否形成持续用量，仍要看生产环境的任务成功率、缓存命中率、API稳定性和复核成本；目前公开材料没有提供这些运营数据。
同价提效如何传导至智能体服务成本
短期影响主要落在调用频繁的应用软件。较低的输入、输出和缓存命中价格，使开发团队能够用相同预算扩大测试样本；兼容现有接口也减少了接入层工作。成本优势能否留存，仍取决于模型在真实任务中的一次完成率。如果工具误用或返工增加，节省的Token费用可能被重试和人工复核抵消。
对大模型API服务而言，0731版在价格未变的情况下提高多项第三方评测成绩，会增加同价竞争压力。不过，一套基准不能直接证明企业客户会迁移，也不能据此确认行业收费或毛利已经下降。DeepSeek计划采用的高峰时段加价还会改变部分工作负载的实际账单。
推理基础设施的需求方向也不确定。Artificial Analysis记录的总输出Token用量较前代减少12%，说明完成相同评测所需的输出有所下降；更低成本若带来更多智能体调用，总算力需求又可能增加。没有连续的生产调用量、缓存命中率和任务完成数据，目前无法判断两种效应哪一项更强。
| 行业影响分析 | 细分行业 | 简要理由 |
|---|---|---|
| 利好 | 应用软件 | 低单价和兼容接口可降低智能体应用扩大测试规模的成本，前提是任务成功率足以控制重试和人工复核。 |
| 中性 | IT咨询与其他服务 | 模型迁移会增加测试与流程改造需求，也可能提高交付效率，两项作用的净结果取决于客户实际采用情况。 |
| 利空 | 互联网服务与基础设施 | 同价模型的评测成绩提高可能迫使同质化API服务跟进价格或能力竞争，但客户迁移和毛利变化尚无运营数据证实。 |
文章只代表个人观点，不构成投资建议。