DeepSeek V4 Flash 0731 值不值得换——2026 年 8 月模型、成本与本地部署对比

1 现在该怎么选：0731 先做低成本代码 POC，生产切换等自有结果

结论：DeepSeek V4 Flash 0731 是 2026 年 8 月低成本纯文本代码代理的首个 POC。请求使用 deepseek-v4-flash，默认开启 thinking、先用 high effort，响应同时记录 model、system_fingerprint、缓存命中、推理与输出 token、完成原因、延迟和重试。公开材料目前没有生产冠军；DeepSeek 的测试框架尚未发布，两套题集属于内部数据，各家模型也缺少同一工具、同一预算和同一任务快照的公开成绩。生产系统继续保留当前后端，只有自有仓库任务达到预先写明的成功率、修复量、时延与成本门槛时才逐步导流。

多模态工作从 Gemini 3.6 Flash 开始，因为它公开支持文本、图片、视频、音频和 PDF，并把搜索、代码执行、文件检索和函数调用放在同一托管表面。需要固定模型身份或符合条件的 Zero Data Retention 安排时，把 Claude Sonnet 5 作为生产对照。已有 GPT、Grok、GLM、Kimi、MiniMax 或 Qwen 工作流先留在原位；它们进入同一评测集，迁移由结果触发。

这张表把“模型更强”拆成四份可采购的工作。0731 的单价和公开代理成绩让它取得低成本代码路线的首测资格；模态、固定身份、数据位置和运维责任会把其他路线送到不同候选。每条路线只有一个首测对象，候补在首测缺能力、触发退出条件或取得更好的同任务结果时进入。

2 三层身份已经对齐：API 别名、0731 后端与开放权重

DeepSeek 文档公开的请求 ID 是 deepseek-v4-flash。2026 年 8 月 1 日价格页把它映射到 DeepSeek-V4-Flash-0731，接口响应再返回实际 model 和代表后端配置的 system_fingerprint。采购、评测和事故记录需要同时保存这三项：请求别名说明调用入口，返回模型说明服务标识，fingerprint 捕捉同一名称下的后端变化。

0731 的开放权重在 API 公告之后同日进入 DeepSeek 官方 Hugging Face 组织和 V4 集合。模型卡明确称它为 Flash 正式版，取代 Preview，结构沿用 V4 Flash 并带 DSpark speculative decoding 模块；仓库采用 MIT 许可。SOSEC 在 2026-08-01 03:07:41 UTC 后固定提交 7872f01b1d1fe23eabc4c98b48bffcef5a386062。这使 API 与本地 POC 可以使用同名 0731 产品版本，服务端采样、编码、内核、量化、调度和工具封装仍会造成可测差异。

旧的 deepseek-ai/DeepSeek-V4-Flash 仓库继续保存 Preview 路线；DeepSeek-V4-Flash-DSpark 是 Preview 权重加推测解码模块。新的 0731 仓库包含重新后训练的正式权重和 DSpark。复现实验要写完整仓库和提交，单独写“V4 Flash”会把三件不同制品混在一起。

3 公开规格的有效比较：价格、模态、上下文和生命周期

下表只放进 2026 年 8 月 1 日仍有官方入口、可调用身份和公开价格的当前候选。每家选一个最接近“通用代理或代码工作”的代表，避免同一供应商占满表格。价格按官方每百万 token 口径原样保留；人民币价格不做临时汇率换算。参考任务固定为 20 万未缓存输入和 2 万输出，只展示费率如何落到账单，tokenizer、推理 token、重试、工具费和成功率由本地回放补齐。

表中最醒目的数字是 DeepSeek 的价格，同时也最容易让采购跳过试验。一个成功任务会消耗几次模型调用、工具回传和修复循环；失败任务同样产生账单。模态也会改变输入计量，托管搜索、文件检索、代码执行和计算机操作可能按调用收费。真正可比较的单位是“一个达到验收标准的任务所需总费用”，它把 token、工具、重试和人工修正放到同一分母。

生命周期决定结果能否复现。DeepSeek 的公开 API 只接受移动别名，因而需要 response identity；Anthropic 明确说明 Sonnet 5 的无日期 ID 是固定快照；Google 把 3.6 Flash 标为稳定；xAI 的裸名和 -latest 会移动；Qwen 同时给出移动别名和日期快照。模型路由器要把这些差异变成策略：固定评测使用可固定 ID，本地权重使用提交，移动入口保存返回身份并在变化时自动重跑回归。

4 DeepSeek 的发布分数把 0731 送进首测，生产排名仍缺同口径证据

DeepSeek 为 0731 公布了九项代理结果：Terminal Bench 2.1 为 82.7，NL2Repo 54.2，Cybergym 76.7，DeepSWE 54.4，Toolathlon-Verified 70.3，Agents’ Last Exam 25.2，AutomationBench Public 25.1，DSBench-FullStack 68.7，DSBench-Hard 59.6。相对同一发布表中的 Preview，所有项目都有明显提高，尤其 DeepSWE 从 7.3 上升到 54.4。这组数据足以解释首测顺序。

证据边界也由模型卡写得很清楚。公开代码代理题使用 DeepSeek Harness 的 minimal 模式，框架标注为“to be released”，运行 max effort、temperature=1.0、top_p=0.95；DSBench-FullStack 和 DSBench-Hard 属于内部题集。发布表中的 GLM 与 Opus 分数来自厂商收集的比较，当前页面没有交付所有模型的同一容器、工具定义、任务快照、最大轮次、失败重跑和完整日志。

跨厂商总榜会把这些差异压成一列小数。真实代码代理的结果由模型、harness、shell 权限、测试、上下文构建、重试和终止条件共同产生。SOSEC 因此保留发布者分数原有用途：它负责选择进入评测的候选；生产排序只读取自有同任务回放。若 DeepSeek 随后发布固定 Harness 和日志，新增证据可以提高可复核性，旧结果仍要保持其当时版本和设置。

4.1 一套小而硬的评测集比一千道泛化题更接近采购决定

任务集先按业务失败方式分层。仓库内小修复检查定位和测试纪律；跨文件功能检查规划、上下文和工具循环；迁移与依赖升级检查文档、兼容与回滚；日志诊断检查证据使用；安全任务检查模型是否越过权限或绕开失败测试。每类都保留已知可通过的正控制、必须拒绝的负控制和一个资源故障路径。

评分器只接受可运行结果。候选在隔离 worktree 中修改文件，项目原生测试、静态检查和任务专属断言决定成功；人工评审再看权限、范围、可维护性和隐藏副作用。模型输出“已完成”、生成更多代码或通过自写的宽松测试都不会增加分数。任务失败后记录最早偏离点：上下文遗漏、错误计划、工具参数、测试逃逸、资源终止、拒绝或修复循环。

每个模型至少运行两次同一任务，顺序轮换，避免缓存、服务负载和仓库热状态固定偏向一个候选。评测保存完整用量和费用，失败调用单列；成功任务成本、人工分钟和 p95 只按通过验收的任务计算。这样才能回答用户真正关心的问题：给定团队和仓库，0731 是否比现有后端更快、更便宜地交付可合并结果。

5 从每百万 token 到总成本：低价 API 让本地节点面对很高的利用率门槛

先把费率换成一张人能读懂的账单。本文参考任务使用 20 万未缓存输入和 2 万输出；DeepSeek 0731 的账单为 0.2×0.14 + 0.02×0.28 = 0.0336 美元。同一 token 数下，MiniMax M3 的 ≤512K 当前价为 0.084 美元，GLM 5.2 为 0.368 美元，Gemini 3.6 Flash 为 0.45 美元，Claude Sonnet 5 入门价为 0.60 美元，GPT-5.6 Terra 为 0.64 美元，Kimi K3 与 Claude 标准价均为 0.90 美元；Grok 4.5 因官方两页在 200K 边界的写法冲突，账单落在 0.52–1.04 美元。Qwen 的全球档为 3.12 元人民币。

Grok 的区间来自可定位的文档差异：模型详情说输入超过 200K 才进入长上下文价，Pricing 表写成 ≥200K，并把输入、缓存和输出同时翻倍。本文的输入恰为 200K，无法靠文字解释消除边界；POC 保存实际 usage 与账单，把供应商计费结果写进采购记录。其余八个候选在 200K 输入处都能确定档位：Terra 尚未越过 272K，Sonnet 5 与 Gemini 3.6 Flash 覆盖整窗统一价，MiniMax 位于 ≤512K 档，Qwen 快照覆盖 0<输入≤1M，DeepSeek、GLM 与 Kimi 当前页面没有另列 200K 阶梯。

这项算术故意保持窄。各模型 tokenizer 不同，20 万相同字符会产生不同 token；reasoning token、图片、音视频、搜索和工具可能改变计量；一次代码任务常有多个调用。缓存也会重写结论：DeepSeek 的命中输入单价只有每百万 0.0028 美元，稳定前缀越大，API 越便宜。评测器因此同时保存原始字节、供应商 token、cache hit/miss 和工具账单，不把示例价格当作实测成本。

本地端的公式是：每个成功任务成本 =（GPU + CPU/内存 + 存储 + 网络 + 电力/机房 + 平台 + 运维 + 冗余的每小时成本）÷ 每节点小时成功任务数。显卡利用率只能说明设备忙，成功任务数才能说明设备交付。队列等待、长上下文 KV cache、失败重试、权重更新、节点故障和低谷空闲都会进入分子或压低分母。

Runpod 2026 年 7 月 27 日更新的公开 Pod 价格给出 H200 每卡小时 4.39 美元、B200 为 5.89 美元、B300 为 7.39 美元。按四卡和每月 730 小时计算，裸 GPU 租金分别是 12,818.80、17,198.80 和 21,578.80 美元。它们没有包含 CPU、内存、存储、网络、镜像下载、值班和冗余，具体 Pod 也要确认四卡是否位于满足互联要求的同一节点；B300 价格不能代替 GB300 报价。

用 0.0336 美元的 DeepSeek 参考任务账单除回去，4×H200 必须完成约 523 个成功参考任务/节点小时，4×B200 约 701 个，4×B300 约 880 个，才触及裸租金线。这个数是所需容量阈值，实际吞吐要在目标上下文、effort、输出、并发和质量门槛下测量。加入双节点冗余、人员和空闲后，盈亏平衡点继续上移；API 缓存命中也会把它推远。

月度场景更直观。每天 100 个参考任务的 DeepSeek API 账单约 100.80 美元；每天 1,000 个约 1,008 美元；每天 10,000 个约 10,080 美元。四卡 H200 的裸租金已经接近第三档，却仍需证明节点每天能稳定交付 10,000 个合格任务，并承担峰值、故障与升级。数据驻留、出网限制、定制 serving 或可预测保留容量可以单独为本地部署创造价值，这份非价格收益应写入采购理由和退出条件。

6 本地部署已经可行：0731 从四卡级正式起步，单卡先做控制基线

0731 权重开放后，本地路线终于可以和 API 使用同一产品版本。155.43 GiB 只描述仓库中的权重文件；服务还要容纳运行时、通信缓冲、DSpark、KV cache、批次和上下文。完整 1M 与 384K high/max 输出对显存和时延的影响必须独立测量。官方四卡 GB300 示例给出可运行起点，采购清单仍需按目标并发和序列长度计算。

6.1 四卡机器之外，还要建设一项内部模型服务

下载阶段先解决 167 GB 级对象的来源、断点、校验和镜像。权重与代码进入只读制品库，生产节点从内部镜像拉取；每次发布绑定 Hugging Face 提交、单文件摘要、编码目录、容器和驱动。DeepSeek 模型卡没有 Jinja chat template，提供专用 encoding 脚本；vLLM 的 DeepSeek V4 tokenizer、reasoning parser 和 tool parser 要与固定版本一起验收。解析器漂移可能让相同权重产生不同工具行为。

服务层要定义租户隔离、排队、公平性、限流、超时、取消、流式中断和资源不足的错误合同。长上下文会占用 KV cache，单个巨型请求可能拖慢短请求；调度器需要按上下文和 effort 分池，限制每租户在途 token，并暴露 queue、prefill、decode、KV 驱逐和失败指标。完整一百万上下文只在真实任务获得增益后开放，默认窗口按观测到的有效输入分布配置。

工具执行继续由应用控制。模型服务只生成经过解析的调用意图，策略层核对主体、工具、参数、仓库、路径和副作用额度，执行器运行在独立沙箱，返回结果带大小与敏感字段限制。多租户场景还要验证 prompt/cache 隔离、日志脱敏、制品访问和管理接口认证。本地部署把数据路径收回组织，也把这些责任交给组织。

高可用需要第二份容量或一个托管回退。单节点维护、驱动故障、权重重载和 GPU 错误会让整条路线停机；两套满配节点会直接翻倍大部分固定成本。团队可以选择一主一小型降级池、跨可用区双节点，或本地优先加 DeepSeek API 回退。每种选择都明确数据能否出边界、降级支持哪些任务、缓存是否兼容，以及回到本地前如何确认权重和日志连续。

6.2 买机器、租节点和继续用 API，对应三种不同承诺

API 适合需求波动、任务量尚小和模型仍在快速换代的团队。它把 GPU、内核和可用性运营交给供应商，调用方保留评测、数据治理、工具权限和回滚责任。DeepSeek 当前单价让这条路线覆盖很大的任务量区间；移动别名和公开 beta 状态则要求更严的响应身份记录和回归。

按小时租四卡节点适合数据位置、短期容量实验和 serving 定制。采购方能固定权重与容器，也能随时释放节点；持续下载、空闲和跨区存储会产生额外账单。合同前确认同机互联、共享存储、镜像时间、配额和故障替换，公开的“每卡小时”只有在拓扑满足时才形成可用节点。

自购设备适合稳定高利用率、机房与 GPU 运维已经成熟的组织。总拥有成本包含设备折旧、资金、保修、机架、供电、冷却、交换、备件、人员和利用率机会成本。三年摊销不能掩盖模型六个月后换代的风险；退出路径要允许节点承接其他推理任务，并保留托管 API 兼容层。采购判断最终由成功任务吞吐、政策价值和可复用基础设施共同决定。

7 收口：把 0731 当成一个可撤回的产品变化

对绝大多数团队，最合适的下一步很简单：继续保留现有生产模型，用 DeepSeek 托管 API 跑同一批真实代码任务。它的 0.0336 美元参考账单足够低，能在购买四卡节点以前快速得到质量、工具、延迟和失败证据。多模态任务让 Gemini 3.6 Flash 同场，固定身份或 ZDR 要求让 Claude Sonnet 5 同场；其余模型只在当前工作负载或采购边界需要时加入。

0731 权重的开放改变了数据边界和定制空间，公开提交、MIT 许可和 serving 文档让本地 POC 具备可执行入口。四卡级硬件、155.43 GiB 权重、KV cache、DSpark、解析器和模型服务运营共同构成真实方案。每天几百或几千个长任务仍通常由 API 获得更低的直接成本；高稳定吞吐、数据驻留或已有 GPU 平台可以把本地方案推入首测。

最终的生产答案写在一张版本化决策记录里：任务集提交、候选身份、成功率、人工修复、p50/p95、完整费用、工具副作用、数据路径、容量、故障恢复和回滚结果。0731 达标就灰度，任何关键门槛失守就撤回。下一个模型发布时重复同一合同，团队由此沉淀持续选择模型的能力；静态排行榜会随别名和后端更新迅速过期。