DeepSeek V4 Flash 文本生成

DeepSeek V4 Flash 正式版（deepseek-v4-flash-ga-260731）對應 DeepSeek 於 2026 年 7 月 31 日轉正式版的開源檢查點 DeepSeek-V4-Flash-0731。架構與 4 月預覽版一致（284B 總參 / 13B 啟用 MoE、 1M 上下文），官方明確只重做了後訓練階段，但 agent 類基準大幅提升。API易已完成 21 個用例實測 + 雙端點專項複測，Chat Completions 與 Responses 均可直接呼叫。

API易已接入 DeepSeek V4 Flash 正式版：模型名 deepseek-v4-flash-ga-260731， default / svip 分組可用。注意該模型預設思考量偏大，簡單任務請顯式傳 thinking: {"type": "disabled"}（詳見下方「思考控制」）。

核心優勢

1M 上下文實測紮實

輸入硬上限 1,048,570 tokens。32.2 萬 tokens 大海撈針 14.77 秒返回並準確命中，最大輸出 393,216 tokens。

雙層快取降本

隱式快取免配置、第 2 輪命中 99.9%；Responses 端顯式快取鏈式呼叫可整輪命中上一輪全部上下文。

高併發無限流

20 路併發全部 200，牆鍾僅比單發慢 1.3 秒，適合高併發 agent 與批次文本任務。

極低單價

輸入 $0.14、輸出 $0.28 每 1M tokens，與 BytePlus 官方同價，快取命中低至 $0.028。

模型資訊

引數	值
模型名稱	`deepseek-v4-flash-ga-260731`
釋出時間	2026 年 7 月 31 日（預覽版轉正式版）
架構	284B 總參 / 13B 啟用，MoE
上下文視窗	1M（硬上限實測 1,048,570 tokens）
最大輸出	384K（硬上限實測 393,216 tokens）
可用分組	`default`、`svip`
端點	`POST /v1/chat/completions`、`POST /v1/responses`
深度思考	預設開啟且思考量偏大；`thinking.type` 可關
流式輸出	✅ 兩端點均支援
函式呼叫 / 工具使用	✅ 兩端點均支援
圖片輸入	❌ 純文本模型
Anthropic 端點 / Claude Code	❌ 未開通，需要請用 `deepseek-v4-flash`

實測能力矩陣

以下為 API易 2026 年 8 月 5 日的實測結果（官方能力宣告 vs 實際表現）：

能力	官方宣告	Chat Completions	Responses
基礎對話（非流式 / 流式）	✅	✅ / ✅（TTFB 1.43s）	✅ / ✅（TTFB 2.31s）
Function Call（兩輪閉環）	✅	✅	✅
深度思考開關 `thinking.type`	✅	✅ disabled / enabled / auto 均生效	✅ 輸出 reasoning item
思考分檔	✅	⚠️ 僅 `minimal` 確定生效	⚠️ 同左
隱式快取	✅	✅ 第 2 輪命中 99.9%	✅ 命中 99.9%
顯式快取	✅（Responses）	—	✅ 需 `previous_response_id` 鏈式
結構化輸出	❌	❌ 收參但不約束	❌ 收參但不約束
聯網搜尋	✅（Responses）	—	⚠️ 工具接通但後端 6/6 報錯
MCP	✅（Responses）	—	❌ `AccessDenied` 賬號級權限
圖片輸入	—	❌	❌ 明確報錯

三項與官方能力表不符，接入前請注意：結構化輸出雙端點均靜默失效（返回 200 但完全無視 schema，需要強約束請用 Function Call）；聯網搜尋工具已接通但搜尋後端持續報錯、不返回 results； MCP 返回 AccessDenied（賬號級內建工具權限，非模型限制）。

思考控制

該模型預設思考量偏大——實測「9.11 和 9.9 哪個大」這類一句話問題也會花掉 263 個思考 token （同族 deepseek-v4-flash 只花 44 個）。簡單任務務必顯式關閉：

extra_body={"thinking": {"type": "disabled"}}   # 可靠關閉
# 或
extra_body={"reasoning_effort": "minimal"}      # 實測 10/10 次思考 token 為 0

reasoning_effort 不是單調檔位。兩道題 × 五檔 × 5 次取樣結果：

檔位	river 題中位數	prob 題中位數
`minimal`	0	0
`low`	956	367
`medium`	506	193
`high`	97	153
`max`	577	173

high 在兩道題上的思考量都比 low 少，檔內方差（low 從 150 到 1993）遠大於檔間差異。 只有 minimal 可靠，不要把 low → max 當作成本旋鈕。

快取用法

隱式快取（兩端點自動生效）

同一段長字首第 2 次請求即命中，實測 15,634 tokens 字首命中 15,616（99.9%），命中部分按 $0.028 / 百萬 tokens 計費。

吃滿隱式快取的前提是字首逐位元組一致。把變動內容（時間戳、隨機 ID、使用者名稱）放到 prompt 末尾，不要混進字首裡。

顯式快取（Responses 端，需鏈式呼叫）

常見誤用：把同一段長字首重複發兩次並帶上 caching，cached_tokens 會一直是 0。正確姿勢是首輪寫入、後續輪用 previous_response_id 鏈下去：

輪次	呼叫方式	input_tokens	cached_tokens
1（寫入）	`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

快速開始

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": "用一句話介紹 MoE 架構"}],
    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": "用一句話介紹 MoE 架構"}],
    "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: "用一句話介紹 MoE 架構" }],
  thinking: { type: "disabled" },
});
console.log(resp.choices[0].message.content);

需要結構化輸出時用 Function Call

response_format 在這個模型上不生效且不報錯，是最容易踩的坑。工具引數才是真正被約束的：

tools = [{
    "type": "function",
    "function": {
        "name": "submit_result",
        "description": "提交抽取結果",
        "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))

定價

專案	單價
輸入	$0.14 / 百萬 tokens
輸出	$0.28 / 百萬 tokens
快取命中	$0.028 / 百萬 tokens

與 BytePlus 官方標價一致，可疊加充值活動進一步降低成本。

關於「不到旗艦十分之一」：廠商宣傳語對標的是 V4-Pro 預覽期的 $1.74 / $3.48。按當前 V4-Pro 掛牌價（$0.435 / $0.87）折算，本模型是約 1/3，不是 1/10。

Chat Completions

OpenAI 相容對話補全端點，線上除錯

Responses

Responses 端點，支援顯式快取鏈式呼叫

上線說明與完整實測

基準資料、三方速度對照與踩坑記錄

模型價格總表

全部模型的單價、端點與分組

產品基礎

基礎 API

圖片 API（官轉）

影片 API（官轉）

多模態理解 API

文本生成

檢索與安全

核心優勢

1M 上下文實測紮實

雙層快取降本

高併發無限流

極低單價

模型資訊

實測能力矩陣

思考控制

快取用法

隱式快取（兩端點自動生效）

顯式快取（Responses 端，需鏈式呼叫）

快速開始

需要結構化輸出時用 Function Call

定價

相關頁面

Chat Completions

Responses

上線說明與完整實測

模型價格總表

​核心優勢

1M 上下文實測紮實

雙層快取降本

高併發無限流

極低單價

​模型資訊

​實測能力矩陣

​思考控制

​快取用法

​隱式快取（兩端點自動生效）

​顯式快取（Responses 端，需鏈式呼叫）

​快速開始

​需要結構化輸出時用 Function Call

​定價

​相關頁面

Chat Completions

Responses

上線說明與完整實測

模型價格總表

核心優勢

模型資訊

實測能力矩陣

思考控制

快取用法

隱式快取（兩端點自動生效）

顯式快取（Responses 端，需鏈式呼叫）

快速開始

需要結構化輸出時用 Function Call

定價

相關頁面