DeepSeek V4 Flash 0731 深度评测：1M 上下文 MoE，OpenRouter 仅 $0.09/$0.18
284B/13B 稀疏 MoE、100 万 token 上下文、reasoning/tools；OpenRouter 主 listing $0.09/$0.18。HF Hot 增长 +64%，目录首次出现 2026-08-01——本站综合榜 #9（上下文/美元代理指标，非能力分）。
点击放大图片 它是什么
DeepSeek V4 Flash 0731（`deepseek/deepseek-v4-flash-0731`）是 DeepSeek V4 线里偏「效率」的一档：目录描述为稀疏 MoE，总参数 284B、激活约 13B，面向编码、推理与 agent 工作流，并支持 100 万 token 上下文。相对同门 V4 Pro（1.6T / 49B 激活），Flash 用更小的激活规模换吞吐与低单价。
站内 `ops_model_first_seen` 记录 0731 修订于 2026-08-01 入库；更早的 Flash 0423 与 V4 Pro 同在 2026-06-22 首次出现。0731 被描述为 re-post-trained 修订——选型时把它当成「同家族、更新训练/对齐」的定点 SKU，而不是另一个模型名营销号。
社区侧，本快照 HF Hot 将 DeepSeek-V4-Flash-0731 排在 Kimi-K3 之后（sort_index=1），24h 增长 +64%，HF 下载约 23.6 万；另有 unsloth GGUF 派生同榜。热度信号强，但下载量≠生产就绪——仍以规格与多 host 报价做决策。
规格速览（参数党）
点击放大图片 硬指标（`core_model`）：上下文 1,048,576；模态 `text->text`（输入/输出均为文本，非多模态）。API 暴露 20 个参数，含 frequency_penalty、include_reasoning、logit_bias、logprobs、max_tokens、min_p、presence_penalty、reasoning、reasoning_effort、repetition_penalty、response_format、seed、stop、structured_outputs、temperature、tool_choice、tools、top_a、top_k、top_logprobs、top_p。
相对 Flash 0423：同为 1M 上下文与 text→text，参数表几乎对齐（均含 reasoning_effort、top_a）。相对 V4 Pro：同样 1M，但 Pro 参数表略窄（无 top_a），定位是更大激活规模的旗舰 MoE。本快照未披露 0731 知识截止日期。厂商：DeepSeek。
价格与在哪调用
点击放大图片 Flash 0731：OpenRouter 主 listing（is_primary_listing=1）为每百万 token 输入 $0.09、输出 $0.18。Fireworks 与 Together 上同模型为 $0.14/$0.28（model_bound_verified）——路由时不要默认「处处都是 $0.09」。Fireworks 另露出 cached input $0.028/1M。
同门对照（OpenRouter 主 listing）：Flash 0423 为 $0.14/$0.28；V4 Pro 为 $0.435/$0.87；更早的 V3.2 约 $0.269/$0.40。0731 比 0423 便宜约 36%（输入），输出同比例下降——修订版同时带来价格信号。
DeepInfra / deepseek-direct 在本快照主要挂在 0423 / Pro 上；0731 的已验证多 host 以 OpenRouter + Fireworks + Together 为主。上线前在 Token 页再扫一遍覆盖。
家族阶梯：Flash 0423 → Flash 0731 → V4 Pro（测评）
同快照 DeepSeek V4 阶梯（OpenRouter 主 listing，1M 对齐）：Flash 0731 混合约 $0.135/1M；Flash 0423 约 $0.21；V4 Pro 约 $0.65。激活规模：Flash 线 13B vs Pro 49B；总参数 284B vs 1.6T。
综合榜（上下文/美元代理指标，非能力 benchmark）：Flash 0731 约 #9；`~deepseek/deepseek-v4-flash-latest` 别名约 #8；Flash 0423 约 #72；V4 Pro 约 #75。代理分奖励「便宜 + 长上下文」——正是 0731 的画像，因而名次远高于更贵的 Pro。
选型口诀：默认长上下文批处理/agent 草稿 → 0731；必须钉住旧路由或旧评测基线 → 0423；要目录更大激活旗舰且愿付约 4.8× 混合价 → V4 Pro。
跨厂价格与规格对比（测评）
混合价（OpenRouter 主 listing 均值）：Flash 0731 约 $0.135/1M（1.0M ctx，text→text）。对照：Llama 4 Scout 约 $0.20（1.3M，综合榜 #2）、GPT-5.6 Luna Pro 约 $0.35、Qwen3.7 Flash 约 $0.08、MiniMax M3 约 $0.75、GLM-5.2 约 $1.59、Kimi K3 约 $9、Grok 4.5 约 $4、Sonnet 5 约 $6。
0731 落在「超便宜长上下文」带，与 Scout / Luna / Qwen Flash 同区，但社区 HF 热度与 DeepSeek 家族叙事更强。注意：0731 是纯文本；需要图像/文件输入时请换多模态型号。以上为规格与成本对比，非能力基准测试。
成本实测：两个场景（测评）
按本快照 OpenRouter 主 listing 推算（不含额外 reasoning token）。
场景 A — agent 编码一轮（10 万输入 + 2 万输出）：Flash 0731 约 $0.013；Flash 0423 约 $0.020；Llama 4 Scout 约 $0.016；Luna Pro 约 $0.022；V4 Pro 约 $0.061；MiniMax M3 约 $0.054；Kimi K3 约 $0.60；Sonnet 5 约 $0.40。
场景 B — 长文档一轮（50 万输入 + 5 千输出）：0731 约 $0.046；0423 约 $0.071；Scout 约 $0.052；Luna 约 $0.053；Pro 约 $0.222；K3 约 $1.58。
结论：0731 把「百万级上下文 agent 草稿」压到美分级；相对 K3/Sonnet 是数量级差距，相对 Scout 仍更便宜一截。输出价仅 2× 输入——输出偏重循环也不像 5× 输出档那么刺痛。以上为规格与成本对比，非能力基准测试。
何时选它、何时别选
选 Flash 0731：需要 1M 上下文的编码/推理/agent 草稿，预算极敏感，且接受 text→text；希望吃到 HF 热度最高的 DeepSeek 效率档，并可用 OpenRouter 的 $0.09/$0.18 起量。默认钉 0731 定点 ID，避免 silent 漂到别的 latest 别名行为。
别选 / 看别的：必须多模态输入 → 换图像能力型号；要更大激活旗舰叙事且预算够 → V4 Pro；必须钉 0423 旧基线 → 保留 0423；若 Fireworks/Together 路径更稳但接受 $0.14/$0.28，按 host 报价路由，而不是死守 OpenRouter 标价。
用 AI Hippo 模型页、Token 页、对比页与 Trends 做定量取舍；综合榜是上下文/美元代理指标，不是能力 benchmark。
落地检查清单
集成前：路由层显式使用 `deepseek/deepseek-v4-flash-0731`，与 0423 / Pro / `~deepseek/deepseek-v4-flash-latest` 分开；确认 harness 支持 reasoning、reasoning_effort、tools、structured_outputs；按真实输入输出比做预算，并按 host 分支（OpenRouter $0.09/$0.18 vs Fireworks/Together $0.14/$0.28）。
运维侧：对 agent 环监控每轮 token（含 reasoning）；长上下文场景单独压测截断与延迟；定期对照 Token 页与 Trends（HF Hot）。数据口径以本站 SQLite 快照为准，上线前再跑一次核对单价。