DeepSeek V4 Flash，太便宜辣！！
一次提示直出第一人称 3D 射击游戏——
能跑能跳能打枪，地图掩体物理碰撞全部到位，UI 右下角还实时显示弹匣余量。
大制作啊大制作，结果一看账单这一整套才 0.07 美元，那不就是 5 ……毛钱！？
也就是说2 美元能玩上一整天，难怪网友都有点绷不住了（doge）。
DeepSeek V4 Flash 正式版 API 上线公测之后，大家不忙着跑分了，全网都在算：
V4 Flash 和 Opus 5 比便宜几倍，和 GPT-5.6 比省了多少……
账单一晒结论高度一致：DeepSeek V4 Flash，便宜得离谱。
1 美分 vs. 1 美元
光看 DeepSeek 自己还不够直观，咱们直接上对比！
Claude Opus 5 和 DeepSeek V4 Flash 0731的发布只隔了 7 天。
既然赶这么近，就有网友给它俩摆一块儿跑了同款太空射击游戏。
两者均完整实现战机移动、射击、击碎陨石、道具拾取等功能，可玩性几乎没有拉开明显差距。
单看交付的顺滑度，Opus 5 倒是一把过，V4 Flash 磨了三次才成。
但 Opus 那版代码体量接近 3000 行，V4 Flash 那版大概 900 行，用了三分之一不到的代码量，价格也直接便宜了两个数量级——
1 美分 vs 1 美元。
可是！100 倍的差价摆在面前，成品功能却几乎看不出太大差别。
再来看看森林划船小游戏，是V4 Flash 和 GPT 5.6 Sol的同款对比。
两者都做出了完整 3D 河道场景、左右方向操控、障碍物碰撞计分、动态树木远景这套核心玩法，不管是交互逻辑还是画面风格几乎趋同（除了 deepseek 的造景都小一码）。
再看一眼账单，惊了。
这次是0.05 美元 vs 2.47 美元，V4 Flash 整整便宜 50 倍。
这位大哥也忍不住感叹：定价简直让人难以置信，便宜得离谱了吧……
再来一组宝可梦 3D 模型对照，用一模一样的需求指令分别调用GPT-5.6 Luna、DeepSeek V4 Flash 0731。
成品效果一时分不出好坏，但 token 输出差距非常直观了。
最终 GPT-5.6 Luna 输出高达 230 万 + token；相同情况下 DeepSeek V4 Flash 仅输出 47.7 万 Token，
换算下来整套任务成本相差近 14 倍。
只能说，这么多对比下来，V4 Flash 每一次的效果可能不是最好的，但一定是最值的。
被 DeepSeek V4 Flash 捂住了钱包
那问题就来了，DeepSeek V4 Flash 到底为啥能做到这么便宜？
最核心的还是 MoE 架构，作为 V4 家族一员，Flash 总参数依然是 284B，每次推理只激活 13B。
跟 MoE 配合的是 CSA+HCA 混合压缩注意力。
上下文拉到 100 万 token 的时候，不用每个新词都把全部历史翻一遍，先压缩再筛选，只有必要时才回看全局，降低百万级上下文下的 KV 缓存压力。
这样，KV 缓存省了，显存省了，每步推理的算力也省了。
再往下是权重，V4 用的是 FP4+FP8 混合，专家权重能压多低压多低，推理不失精度，但存储和搬运成本直线下降。
0731 这个正式版，底层模型骨架、参数数量、注意力结构、量化方案，跟预览版 100% 一致，
只重做了后训练，把 SFT 监督微调和 GRPO 强化学习重新磨了一遍，再加了个 DSpark 投机解码做推理加速，拉高服务器并发吞吐。
再看涨幅，Terminal Bench 2.1 从 61.8 升到 82.7，Toolathlon 从 49.7 干到 70.3 ……但预训练成本一分没加。
Flash 主打的就是高并发、规模化服务。
你的钱包被 DeepSeek V4 Flash 捂住了没？
参考链接：
[ 1 ] https://x.com/elshayib_/status/2083243725447147595
[ 2 ] https://x.com/TeksEdge/status/2083711879776735663
[ 3 ] https://x.com/dipankarcodes/status/2083865694865932575
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展每日见
富灯网提示：文章来自网络，不代表本站观点。
