DeepSeek V4 Flash API 2026：Agent 之王，价格仅 Pro 版 1/3

2026-07-31，DeepSeek 上线 DeepSeek-V4-Flash-0731 正式版 API — 一款在自家 Agent 基准上登顶、价格却仅为 V4-Pro 三分之一的快速模型。同样的 1M 上下文、384K 最大输出、原生支持 Anthropic API，并且是 DeepSeek 旗下目前唯一支持 OpenAI Codex Responses API 的模型。迁移只需一行代码：把 model 改成 deepseek-v4-flash，就能立刻享受更低的账单与更高的 Agent 分数。

Preview 与正式版的变化

正式版与 DeepSeek-V4-Flash-Preview 在架构、参数量、上下文窗口上完全一致。区别在于一次全新的后训练，让所有公开 Agent 基准都超过了 V4-Pro-Preview：

注 1：官方基准使用 DeepSeek 自研的 DeepSeek Harness 极简模式（即将发布）配合 max effort、top_p=0.95、temperature=1.0 测得。自行使用其他框架跑分会略低 — Agent 评测的差距主要来自框架而非模型本身。

价格：Pro 版 1/3，并发 5 倍

DeepSeek 沿用了 V4 体系的三档 token 定价（缓存命中、缓存未命中、输出）。V4-Flash 是预算档，但 Agent 性能反而更强：

注 2：DeepSeek 已警告将实行峰谷分时定价，高峰时段所有计费项为上述价格的 2 倍。生效日期待官方单独公告。届时上表为下限而非上限。

核心结论：对以缓存未命中为主的 Agent 工作负载（冷前缀 prompt），单次请求成本约为 V4-Pro 的三分之一；配合 5 倍并发上限，V4-Flash 是首个无需企业合约就能让高吞吐 Agent 集群跑得起的 DeepSeek 模型。

三种 API，同一模型：OpenAI、Anthropic、Responses

V4-Flash 是 DeepSeek 首款同时接入 Agent 生态三种主流 API 协议的模型：

• OpenAI ChatCompletions — https://api.deepseek.com，模型名 deepseek-v4-flash。可直接替换 gpt-4o-mini 或 o4-mini 调用。
• Anthropic Messages API — https://api.deepseek.com/anthropic。Claude Code 与 Claude SDK 用户改一行 base_url 即可使用 DeepSeek，无需切换到 OpenAI 协议。
• Responses API — OpenAI Codex 使用的格式。V4-Pro 暂不支持，Flash 是当前唯一可用于 Codex 的 DeepSeek 模型。V4-Pro 对 Responses API 的支持预计 2026 年 8 月初上线。

原生 JSON 输出、Tool Calls、Chat Prefix Completion（Beta）、FIM Completion（Beta，仅非思考模式）在 V4-Flash 上均受支持。思考模式开关沿用 {"thinking": {"type": "enabled"}} 模式。

Codex 原生接入：一份脚本，三个客户端

DeepSeek 提供一份一键配置脚本，可同时配置 Codex CLI、ChatGPT 桌面端和 VS Code Codex 扩展。macOS / Linux：

bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup.sh)

Windows PowerShell：

irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex

脚本会写入 ~/.codex/config.toml，Codex IDE 扩展、Codex CLI 和 ChatGPT 桌面端共用同一份 DeepSeek 配置。手动接入等价于：

# ~/.codex/config.toml
[model]
name = "deepseek-v4-flash"

[providers.deepseek]
base_url = "https://api.deepseek.com"
api_key  = "${DEEPSEEK_API_KEY}"

无论哪种方式，都能让 Codex 跑在 Terminal Bench 2.1 = 82.7 的 DeepSeek 模型上 — 显著高于 Codex 默认模型在同类 Agent 评测中的公开分数。

思考模式与 V3.x 下架时间表

V4-Flash 同时支持非思考与思考两种模式。默认开启思考（模型先输出思维链再给最终答案）。切换方式：

// OpenAI 格式
{ "thinking": { "type": "enabled" } }   // 或 "disabled"

// Anthropic 格式
{ "thinking": { "type": "enabled" } }   // extended-thinking 变体

// Responses API 格式
{ "reasoning": { "effort": "high" } }   // effort: low | medium | high | max

DeepSeek 同时确认了 V3.x 模型名的下架时间表：

• deepseek-chat 与 deepseek-reasoner 将于 2026-10-24 下架（V4 公告三个月后）。
• 在此之前，deepseek-chat 继续指向 V4-Flash 的非思考模式，deepseek-reasoner 指向思考模式。
• 当前仍以 V3.x 别名运行的代码今天并不会报错，但 10 月会硬性失败。建议现在就把所有引用改为 deepseek-v4-flash 并显式声明模式。

迁移：从 V3.x 或 Preview 只需 3 行改动

从 deepseek-chat 或 deepseek-reasoner 迁到 V4-Flash，本质上就是把模型名换掉。base URL、请求体格式、流式协议完全不变：

// 改之前（V3.x）
const r = await fetch("https://api.deepseek.com/chat/completions", {
  method: "POST",
  headers: { Authorization: "Bearer " + DEEPSEEK_API_KEY,
             "Content-Type": "application/json" },
  body: JSON.stringify({
    model: "deepseek-chat",            // 别名指向 V4-Flash 非思考模式
    messages: [{ role: "user", content: prompt }],
    stream: false,
  })
});

// 改之后（V4-Flash 正式版）
const r = await fetch("https://api.deepseek.com/chat/completions", {
  method: "POST",
  headers: { Authorization: "Bearer " + DEEPSEEK_API_KEY,
             "Content-Type": "application/json" },
  body: JSON.stringify({
    model: "deepseek-v4-flash",        // 显式，未来安全
    messages: [{ role: "user", content: prompt }],
    thinking: { type: "enabled" },     // 显式思考模式开关
    stream: false,
  })
});

如果想先评估再全量切换，DeepSeek 推荐灰度方案：用 48 小时把 10% 生产流量切到 V4-Flash 并显式开启思考模式，另外 90% 保持原模型别名不变，对比 token 消耗和任务完成率，再决定是否整体迁移。

V4-Flash vs V4-Pro vs Kimi K3 vs Claude Opus 4.7

与 2026 年中段的开源/Anthropic 阵营同档位模型相比，V4-Flash 的定位如何？下表以"缓存未命中输入"为主指标，因为大多数 Agent 流量都是冷前缀：

与 Opus 4.7 的 100 倍价差不是笔误。如果你的工作负载在 V4-Flash 上 Terminal Bench 2.1 能跑到 70+，Pro 档 Anthropic 的开销通常并不划算。

当前局限

• 峰谷分时价即将上线 — 高峰时段 2 倍。能离线跑的批量任务尽量压在低谷。
• Responses API 当前仅 Flash 可用 — V4-Pro 对 Responses 的支持计划 2026 年 8 月初上线。在那之前，依赖 Pro 跑 Codex 的 Agent 栈只能临时锁在 Flash。
• Codex 一键脚本要求 Codex 已初始化 — 脚本假定 ~/.codex 目录已存在。运行脚本前需先启动一次 Codex CLI 或 ChatGPT 桌面端。
• 推理 effort 受协议限制 — Responses API 暴露 low | medium | high | max 四档，但 OpenAI 与 Anthropic 协议只提供 enabled | disabled 二元开关，无法精细调节思考预算。需要细致控制思考预算的 Agent 必须走 Responses API。
• 官方基准依赖尚未发布的 Harness — Terminal Bench / NL2Repo 等公开数字基于即将上线的 DeepSeek Harness 极简模式测得。第三方 harness 跑分会低几个点。

总结：今天就把 model 改成 "deepseek-v4-flash"

V4-Flash 是少见的"标题即真相"的发布：在 DeepSeek 自家每一个 Agent 基准上击败 V4-Pro，价格只是三分之一，并发却是 5 倍。再加上它是目前唯一支持 Codex 的 DeepSeek 模型，对于任何跑规模化 Agent 的团队都是显而易见的默认选择。这不是开源前沿崩塌，而是 Flash 已经成为当下 API 市场上"每美元 Agent 分数"最高的选项。

对今天绝大多数 Agent 重负载的工作流，正确做法是：把最难的 5–10% 任务保留给 Pro，其余一切默认 Flash。V3.x 在 2026 年 10 月的下架让这次迁移无论如何都避不开 — 既然早晚要做，不如现在落地，在 Flash 与 Pro 性能差距最小的窗口期把成本压下来。

想让 V4-Flash 与多家供应商走同一把密钥？ 如果你不想同时管理 DeepSeek、OpenAI、Anthropic、Google 的账单与配额，FreeModel 把 V4-Flash（以及 V4-Pro、Kimi K3、Claude Opus 4.7、GPT-5.6 Sol）通过同一个 API key 暴露出来，配有跨模型成本/任务的看板 — 当"Flash / Pro"分配需要动态调整时尤其好用。