概览
- 类型：闭源模型
- 发布时间：2026 年 7 月
- 参数量：2840 亿
- 推理模型：是（使用扩展思维/链式推理处理复杂问题）
- 上下文窗口：1M tokens（约 1500 页 A4 纸，Arial 12 号字体）
核心指标
| 指标 | 排名 | 数值 |
|---|---|---|
| 智能指数 | #2 / 162 | 50 |
| 速度 | N/A | 暂无数据 |
| 输入价格 | #1 / 162 | $0.14 / 1M tokens |
| 输出价格 | — | $0.28 / 1M tokens |
| 缓存命中价格 | #1 / 162 | $0.003（-98%） |
| 输出冗长度 | #58 / 162 | 210M tokens |
综合对比摘要
DeepSeek V4 Flash 0731 在同价位模型中处于智能领先水平，且价格极具竞争力。该模型支持文本输入和文本输出，上下文窗口为 100 万 tokens。
- 智能指数得分 50，远超同类模型中位数（17）。在评估过程中，该模型生成了 2.1 亿 tokens，相较中位数 6200 万非常冗长。
- 定价：输入 0.25），输出 0.88）。运行完整智能指数评估的总成本为 $237.07。
技术规格
| 项目 | 详情 |
|---|---|
| 推理能力 | 是（本页展示的是推理版本，可能同时存在非推理变体） |
| 输入模态 | 仅文本 |
| 输出模态 | 仅文本 |
| 上下文窗口 | 1M tokens |
| 开源状态 | 闭源（模型权重未公开） |
| API 可用 | 是，可通过 1 家提供商使用 |
智能指数详解
Artificial Analysis 智能指数 v4.1 包含 9 项评估：
- GDPval-AA v2
- τ³-Banking
- Terminal-Bench v2.1
- SciCode
- Humanity’s Last Exam（人类最后的考试）
- GPQA Diamond
- CritPt
- AA-Omniscience（全知指数）
- AA-LCR（长上下文推理）
模型对比维度
模型按以下分类进行对比：
- 非推理模型 → 仅与其他非推理模型对比
- 推理模型 → 跨推理和非推理模型对比
- 开源模型 → 仅与同规模的开源模型对比
- 微型：≤40 亿参数
- 小型：40 亿–400 亿参数
- 中型：400 亿–1500 亿参数
- 大型：>1500 亿参数
- 闭源模型 → 跨闭源和开源模型，按价格区间对比（输入/输出混合比 3:1）
- <$0.15 / 1M tokens
- 1 / 1M tokens
-
$1 / 1M tokens
智能评估维度
涵盖以下评估领域：
- Agent 真实工作任务（Elo）
- Agent 工具使用
- Agent 编程与终端使用
- 编程
- 推理与知识
- 科学推理
- 物理推理
- 知识
- 幻觉率（1 - 幻觉率）
- 长上下文推理
- Agent 知识工作（Elo）
- Agent SaaS 工作流
- 法律 Agent 工作（标准通过率）
- Agent 业务运营
- 指令遵循
- 长周期 Agent 任务
- Kubernetes 事故根因分析
- 视觉推理
AA-Omniscience 全知指数
AA-Omniscience 指数衡量知识可靠性和幻觉率。它奖励正确答案、惩罚幻觉，对拒绝回答不扣分。分数范围为 -100 到 100，0 表示正确和错误答案一样多，负分表示错误多于正确。
价格详情
| 价格类型 | 单价 |
|---|---|
| 输入 | $0.14 / 1M tokens |
| 输出 | $0.28 / 1M tokens |
| 缓存命中 | $0.003 / 1M tokens |
| 混合价格（7:2:1 缓存/输入/输出比） | $0.06 / 1M tokens |
各厂商缓存定价差异
- Anthropic：额外收取缓存写入费，5 分钟和 1 小时 TTL 费率不同（1 小时 TTL 更贵）
- Google（Vertex/Gemini）：除缓存命中费外，另收按小时计算的缓存存储费；部分厂商对超过 200K tokens 的提示采用分级定价
- OpenAI、DeepSeek 等：通常仅收取缓存命中费，无写入或存储费
常见问题
Q: 何时发布？ A: 2026 年 7 月 31 日。
Q: 谁创建的？ A: DeepSeek（深度求索）。
Q: 智能程度如何？ A: 在 Artificial Analysis 智能指数上得分 50，远高于同类推理模型的中位数（17）。
Q: 价格多少？ A: 输入 0.28/1M tokens（基于 DeepSeek API）。
Q: 是推理模型吗？ A: 是，使用扩展思维/链式推理解决复杂问题。
Q: 支持哪些输入模态？ A: 仅文本。
Q: 能处理图像吗？ A: 不能，不支持图像输入。
Q: 是多模态模型吗？ A: 不是，仅支持文本输入。
Q: 上下文窗口多大？ A: 100 万 tokens。
Q: 开源吗？ A: 不开源，为闭源模型。
Q: 参数规模？ A: 2840 亿参数。
Q: 可通过 API 使用吗？ A: 可以，通过 1 家 API 提供商提供。