DeepSeek V4 Flash
🇨🇳 DeepSeek【直接结论】**DeepSeek V4 Flash** 是由 DeepSeek 推出的超低价级大模型，支持文本模态。该模型 API 输入单价为 **¥1.00/百万 tokens**，输出为 **¥2.00/百万 tokens**。在算盘收录的 44 款主流模型中，其输入价位列第 7 便宜，在国产阵营属于**极低**门槛。其支持提示词缓存（Prompt Caching），缓存命中价低至 **¥0.020/百万 tokens**，适合高频多轮对话；其上下文窗口为 1M，最大输出为 384K。智能指数为 47 分（满分约 60）。综合推荐：适合高频、低复杂度任务：分类、打标、简单问答、批量处理。
📉 价格变动
DeepSeek V4 系列发布，V4 Flash 仅 ¥1/¥2，带 1M 上下文 + 384K 最大输出 + 缓存命中 ¥0.02/M（业界最低），旧 V3.2/R1 转入弃用。
关于 DeepSeek V4 Flash，开发者需要了解哪些核心信息？
DeepSeek V4 Flash 是 V4 这一代里的高吞吐、低成本档,定位很明确——它不是用来啃最难那 5% 任务的旗舰,而是承接绝大多数生产流量的「默认引擎」。它采用 MoE(混合专家)架构,总参数规模可观但单次推理只激活很小一部分,这正是它能把单价压到极低同时保持不错速度的根本原因。同梯队的 V4 Pro 走的是「近前沿推理」路线,激活参数更多、单价更高;Flash 则刻意在质量上做了取舍,换来量级上的成本优势。
V4 Flash 还有一个容易被忽略的身份:它是 DeepSeek 老接口的接班人。按 DeepSeek 官方公告,旧的 deepseek-chat / deepseek-reasoner 模型名将于 2026-07-24 弃用,这两者分别对应 V4 Flash 的「非思考模式」与「思考模式」。也就是说,Flash 一个模型用一套接口同时覆盖了快答和带推理链两种用法,迁移时你只需要切模型名、按需打开思考模式,而不必在两个独立模型间来回切换。
在 OpenRouter 这类聚合平台上,V4 Flash 长期是调用量最高的模型之一(本站收录数据里它的周 token 用量稳居榜首)。这个「用脚投票」的事实比任何 benchmark 都更能说明它的定位:海量开发者把它当成日常默认档,而不是偶尔尝鲜的对象。
关于 DeepSeek V4 Flash，开发者需要了解哪些核心信息？
V4 Flash 的输入/输出标价本身已经处于全市场极低区间(具体数字见本页上方价格表,以官方实时为准),但它定价结构里最值得抠的,是缓存命中价。DeepSeek 的上下文缓存命中价相对 cache-miss 输入有数量级的折扣,这意味着:只要你的请求里有大段重复内容——固定的 system prompt、few-shot 示例、RAG 检索回来的同一批文档、多轮对话里不变的历史——这部分在二次及以后命中缓存时,几乎是「白嫖」级别的便宜。
这条结构性差异会直接改写你的成本模型。对一个典型 Agent 或客服场景,system prompt 加工具定义动辄上千 token 且每轮都重复,如果你能让这部分稳定命中缓存,实际账单可能比按标价做的估算低一大截。反过来,如果你的请求每次内容都全新、几乎没有可复用前缀,那缓存优势就用不上,你拿到的就是接近标价的成本——这也是为什么「同一个模型,不同人算出的单价差很多」。
实操上有两点建议:一是把稳定不变的内容(指令、schema、长背景)放在 prompt 前部、把变化的用户输入放后部,以最大化前缀缓存命中;二是真要精确算账,别拿标价拍脑袋,用本页上方的成本速算或估算器,把你真实的输入/输出 token 比例和缓存命中率代进去。Flash 的输出价相对输入价有倍数关系,输出冗长的任务(长文生成、详细推理链)成本会被输出端主导,这也是选型时要预判的。
关于 DeepSeek V4 Flash，开发者需要了解哪些核心信息？
最适合 V4 Flash 的,是「高频、对单点质量不极端敏感、但对成本和吞吐很敏感」的工作负载。典型包括:RAG 问答(检索到的上下文喂进去做归纳作答)、工具调用密集的 Agent 主干、批量分类与打标、内容初稿生成、日志/工单/评论的结构化抽取、长文档摘要。它的百万级上下文窗口让整库代码、整本手册、长对话历史一次性塞进去成为可能,配合极低单价,做大规模批处理几乎没有对手。
它不适合的,是那些「错一次代价很高」的关键任务:复杂多步推理的最后一公里、对幻觉零容忍的金融/医疗/法律决策、需要跨超长上下文做精细跨段关联的深度代码分析。Flash 能读进很长的输入,但在需要把相隔很远的信息精准串联起来做推理时,它不一定能把整个窗口的信息都用足——这类硬骨头交给 V4 Pro 或其他旗舰更稳。
还有一个边界:Flash 的思考模式能补一部分推理深度,但代价是输出 token 变多、延迟变长、账单上扬。如果一个任务开了思考模式才勉强能做对,那它可能本来就该升级到 Pro——用 Flash 硬扛反而既不省钱也不省心。判断标准很简单:把任务跑一批样本,看 Flash(必要时开思考)的正确率能不能稳定达标,达标就用它,反复翻车就升级。
关于 DeepSeek V4 Flash，开发者需要了解哪些核心信息？
在 DeepSeek 自家阵营里,Flash 与 Pro 不是「二选一」,而是「分层协作」。绝大多数成熟的生产系统会把 Flash 当默认层接住大部分请求,只在 Flash 判定为难、或下游校验不通过时,把这部分请求「升舱」到 Pro。这样整体账单贴近 Flash 的低价,而难题又能拿到接近前沿的质量。如果你现在所有请求一律走 Pro,八成是在为用不上的推理深度多付钱;反过来全走 Flash 又在难任务上漏接——分层路由才是性价比最优解。
横向看同价位竞品,Flash 的护城河是「极低价 + 百万上下文 + 巨大社区调用量带来的生态成熟度」。同档的国产快速模型(如通义、Kimi、智谱的轻量档)和海外的 Flash/Lite 级别(Gemini Flash 系、GPT 小杯)各有侧重:有的多模态更强,有的中文语感不同,有的工具调用格式更顺手。选型别只看单价,把你的真实 prompt 拿三五个候选各跑一批,比正确率、比格式稳定性、比缓存能省多少,再结合本站价格表算总账。
什么时候该降级到 Flash:当你发现旗舰模型在某条链路上「杀鸡用牛刀」,正确率早已饱和、成本却高一个量级,就该把这条链路降到 Flash,把省下的预算投到真正需要旗舰的环节。什么时候该从 Flash 升级:当某类请求的失败率顽固地下不来、且开思考模式也救不回来时,升 Pro 或换旗舰。记住一句话——选模型不是选最强的,是选「能稳定达标的最便宜那个」,而 Flash 往往就是这条线的起点。
常见问题
DeepSeek V4 Flash 和 V4 Pro,我该用哪个?
看任务难度和容错。日常的 RAG、工具调用、批处理、内容初稿等大流量、对单点质量不极端敏感的活,用 Flash,单价低一个量级。复杂多步推理、对幻觉零容忍、需要跨超长上下文精细关联的硬任务,用 Pro。最优做法是分层:Flash 当默认层,只把判难或校验不过的请求升舱给 Pro,整体账单贴近 Flash 又不漏接难题。
V4 Flash 的缓存价对实际成本影响有多大?
影响可能很大,取决于你的重复内容比例。DeepSeek 缓存命中价相对 cache-miss 输入有数量级折扣,所以固定 system prompt、few-shot、重复 RAG 文档、多轮历史这些可复用前缀一旦稳定命中缓存,这部分几乎是极低成本。把不变内容放 prompt 前部能最大化命中。具体省多少别拍脑袋,用本页上方价格表和估算器代入你真实的命中率算。
deepseek-chat / deepseek-reasoner 要下线了,我该迁到哪?
迁到 V4 Flash。按 DeepSeek 官方公告,deepseek-chat / deepseek-reasoner 两个旧模型名将于 2026-07-24 弃用,它们分别对应 V4 Flash 的非思考模式与思考模式。迁移时切换模型名、按需开关思考模式即可,一个模型一套接口同时覆盖快答和带推理链两种用法。具体下线时间和细节以 DeepSeek 官方为准。
V4 Flash 能直接拿来做生产级 Agent 吗?
大部分场景可以,而且它正是很多生产 Agent 的默认主干——速度快、单价低、百万上下文够放工具定义和长历史。但对需要深度多步推理、跨超长上下文精细规划的复杂 Agent 链路,Flash 可能力不从心,建议设置升舱机制把难步骤交给 Pro 或旗舰。上线前务必用你真实任务跑一批样本验正确率,达标再铺量。