DeepSeek V4 Flash 文本生成

DeepSeek V4 Flash 正式版（deepseek-v4-flash-ga-260731）对应 DeepSeek 于 2026 年 7 月 31 日转正式版的开源检查点 DeepSeek-V4-Flash-0731。架构与 4 月预览版一致（284B 总参 / 13B 激活 MoE、 1M 上下文），官方明确只重做了后训练阶段，但 agent 类基准大幅提升。API易已完成 21 个用例实测 + 双端点专项复测，Chat Completions 与 Responses 均可直接调用。

API易已接入 DeepSeek V4 Flash 正式版：模型名 deepseek-v4-flash-ga-260731， default / svip 分组可用。注意该模型默认思考量偏大，简单任务请显式传 thinking: {"type": "disabled"}（详见下方「思考控制」）。

核心优势

1M 上下文实测扎实

输入硬上限 1,048,570 tokens。32.2 万 tokens 大海捞针 14.77 秒返回并准确命中，最大输出 393,216 tokens。

双层缓存降本

隐式缓存免配置、第 2 轮命中 99.9%；Responses 端显式缓存链式调用可整轮命中上一轮全部上下文。

高并发无限流

20 路并发全部 200，墙钟仅比单发慢 1.3 秒，适合高并发 agent 与批量文本任务。

极低单价

输入 $0.14、输出 $0.28 每 1M tokens，与 BytePlus 官方同价，缓存命中低至 $0.028。

模型信息

参数	值
模型名称	`deepseek-v4-flash-ga-260731`
发布时间	2026 年 7 月 31 日（预览版转正式版）
架构	284B 总参 / 13B 激活，MoE
上下文窗口	1M（硬上限实测 1,048,570 tokens）
最大输出	384K（硬上限实测 393,216 tokens）
可用分组	`default`、`svip`
端点	`POST /v1/chat/completions`、`POST /v1/responses`
深度思考	默认开启且思考量偏大；`thinking.type` 可关
流式输出	✅ 两端点均支持
函数调用 / 工具使用	✅ 两端点均支持
图片输入	❌ 纯文本模型
Anthropic 端点 / Claude Code	❌ 未开通，需要请用 `deepseek-v4-flash`

实测能力矩阵

以下为 API易 2026 年 8 月 5 日的实测结果（官方能力声明 vs 实际表现）：

能力	官方声明	Chat Completions	Responses
基础对话（非流式 / 流式）	✅	✅ / ✅（TTFB 1.43s）	✅ / ✅（TTFB 2.31s）
Function Call（两轮闭环）	✅	✅	✅
深度思考开关 `thinking.type`	✅	✅ disabled / enabled / auto 均生效	✅ 输出 reasoning item
思考分档	✅	⚠️ 仅 `minimal` 确定生效	⚠️ 同左
隐式缓存	✅	✅ 第 2 轮命中 99.9%	✅ 命中 99.9%
显式缓存	✅（Responses）	—	✅ 需 `previous_response_id` 链式
结构化输出	❌	❌ 收参但不约束	❌ 收参但不约束
联网搜索	✅（Responses）	—	⚠️ 工具接通但后端 6/6 报错
MCP	✅（Responses）	—	❌ `AccessDenied` 账号级权限
图片输入	—	❌	❌ 明确报错

三项与官方能力表不符，接入前请注意：结构化输出双端点均静默失效（返回 200 但完全无视 schema，需要强约束请用 Function Call）；联网搜索工具已接通但搜索后端持续报错、不返回 results； MCP 返回 AccessDenied（账号级内置工具权限，非模型限制）。

思考控制

该模型默认思考量偏大——实测「9.11 和 9.9 哪个大」这类一句话问题也会花掉 263 个思考 token （同族 deepseek-v4-flash 只花 44 个）。简单任务务必显式关闭：

extra_body={"thinking": {"type": "disabled"}}   # 可靠关闭
# 或
extra_body={"reasoning_effort": "minimal"}      # 实测 10/10 次思考 token 为 0

reasoning_effort 不是单调档位。两道题 × 五档 × 5 次采样结果：

档位	river 题中位数	prob 题中位数
`minimal`	0	0
`low`	956	367
`medium`	506	193
`high`	97	153
`max`	577	173

high 在两道题上的思考量都比 low 少，档内方差（low 从 150 到 1993）远大于档间差异。 只有 minimal 可靠，不要把 low → max 当作成本旋钮。

缓存用法

隐式缓存（两端点自动生效）

同一段长前缀第 2 次请求即命中，实测 15,634 tokens 前缀命中 15,616（99.9%），命中部分按 $0.028 / 百万 tokens 计费。

吃满隐式缓存的前提是前缀逐字节一致。把变动内容（时间戳、随机 ID、用户名）放到 prompt 末尾，不要混进前缀里。

显式缓存（Responses 端，需链式调用）

常见误用：把同一段长前缀重复发两次并带上 caching，cached_tokens 会一直是 0。正确姿势是首轮写入、后续轮用 previous_response_id 链下去：

轮次	调用方式	input_tokens	cached_tokens
1（写入）	`caching: enabled`	15,629	0
2	+ `previous_response_id`	15,664	15,629
3	+ `previous_response_id`	15,701	15,664
4	+ `previous_response_id`	15,738	15,701

快速开始

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["APIYI_API_KEY"],
    base_url="https://api.apiyi.com/v1",
)

resp = client.chat.completions.create(
    model="deepseek-v4-flash-ga-260731",
    messages=[{"role": "user", "content": "用一句话介绍 MoE 架构"}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

curl https://api.apiyi.com/v1/chat/completions \
  -H "Authorization: Bearer $APIYI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash-ga-260731",
    "messages": [{"role": "user", "content": "用一句话介绍 MoE 架构"}],
    "thinking": {"type": "disabled"}
  }'

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.APIYI_API_KEY,
  baseURL: "https://api.apiyi.com/v1",
});

const resp = await client.chat.completions.create({
  model: "deepseek-v4-flash-ga-260731",
  messages: [{ role: "user", content: "用一句话介绍 MoE 架构" }],
  thinking: { type: "disabled" },
});
console.log(resp.choices[0].message.content);

需要结构化输出时用 Function Call

response_format 在这个模型上不生效且不报错，是最容易踩的坑。工具参数才是真正被约束的：

tools = [{
    "type": "function",
    "function": {
        "name": "submit_result",
        "description": "提交抽取结果",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string"},
                "temp_c": {"type": "number"},
            },
            "required": ["city", "temp_c"],
        },
    },
}]

resp = client.chat.completions.create(
    model="deepseek-v4-flash-ga-260731",
    messages=[{"role": "user", "content": "北京今天 25 度"}],
    tools=tools,
)

import json
print(json.loads(resp.choices[0].message.tool_calls[0].function.arguments))

定价

项目	单价
输入	$0.14 / 百万 tokens
输出	$0.28 / 百万 tokens
缓存命中	$0.028 / 百万 tokens

与 BytePlus 官方标价一致，可叠加充值活动进一步降低成本。

关于「不到旗舰十分之一」：厂商宣传语对标的是 V4-Pro 预览期的 $1.74 / $3.48。按当前 V4-Pro 挂牌价（$0.435 / $0.87）折算，本模型是约 1/3，不是 1/10。

Chat Completions

OpenAI 兼容对话补全端点，在线调试

Responses

Responses 端点，支持显式缓存链式调用

上线说明与完整实测

基准数据、三方速度对照与踩坑记录

模型价格总表

全部模型的单价、端点与分组

产品基础

基础 API

图片 API（官转）

视频 API（官转）

多模态理解 API

文本生成

检索与安全

核心优势

1M 上下文实测扎实

双层缓存降本

高并发无限流

极低单价

模型信息

实测能力矩阵

思考控制

缓存用法

隐式缓存（两端点自动生效）

显式缓存（Responses 端，需链式调用）

快速开始

需要结构化输出时用 Function Call

定价

相关页面

Chat Completions

Responses

上线说明与完整实测

模型价格总表

​核心优势

1M 上下文实测扎实

双层缓存降本

高并发无限流

极低单价

​模型信息

​实测能力矩阵

​思考控制

​缓存用法

​隐式缓存（两端点自动生效）

​显式缓存（Responses 端，需链式调用）

​快速开始

​需要结构化输出时用 Function Call

​定价

​相关页面

Chat Completions

Responses

上线说明与完整实测

模型价格总表

核心优势

模型信息

实测能力矩阵

思考控制

缓存用法

隐式缓存（两端点自动生效）

显式缓存（Responses 端，需链式调用）

快速开始

需要结构化输出时用 Function Call

定价

相关页面