今天（31/07/2026），全球人工智能市场再次震动，当 DeepSeek V4 Flash 正式推出代号为0731的重大更新。这不仅是一次普通的技术升级，新版本还通过优化后训练阶段（post-training）实现了性能上的巨大突破。许多专家认为，当一个低价Flash级模型能够直接与超大型模型（frontier models）竞争时，OpenAI和Anthropic将不得不'头疼“。.

DeepSeek V4 Flash后训练技术带来的毁灭性力量

31/07这次更新中最令人惊讶的是，模型的结构和规模与此前的测试版本（preview）完全没有变化。DeepSeek仍然保持Mixture-of-Experts（MoE）架构，总参数量为2840亿（284B），其中每个token仅激活130亿参数（13B active）。然而，通过强化学习（Reinforcement Learning – RL）重新运行完整后训练流程后取得的成果，确实让科技界震惊。.

从实际数据来看，0731版本在大多数编程测试和代理任务（agentic tasks）中都提高了分数：

• Terminal Bench 2.1： 达到 82.7分, ，相比preview版本的61.8分大幅提升。这个数字超过了GLM-5.2（81.0分），并接近OpenAI强劲竞争对手GPT-5.6 Luna（84.7分）。.
• DeepSWE（评估实际软件问题解决能力）： 记录了从7.3分到 54.4分, 的不可思议跃升，远超GLM-5.2（46.2分）。.
• NL2Repo： 达到 54.2分 （相比preview版本的39.4分）。.
• DSBench-FullStack： 达到 68.7分, ，相比旧版本（37.0分）提升接近两倍。.

硬件优化：尺寸小10倍，KV Cache极其强大

在实际运行中，GLM-5.2的容量高达1.5TB，而 DeepSeek V4 Flash 仅约160GB。缩小近10倍使该模型非常容易在普通硬件上运行。对于希望自行运营（本地托管）的程序员或企业，只需配备2张专业显卡，例如RTX 6000 Pro，或使用DSpark方案，即可流畅运行并获得令人印象深刻的处理速度。.

下一个独特优势在于其卓越的上下文压缩（context compression）能力。根据测试测量结果，每个token的KV Cache内存与活动参数数量成正比。在100万token（1M context）的长上下文中，GLM-5.2消耗高达80GB VRAM，而这个新的Flash模型仅消耗 6GB VRAM （甚至比相同上下文级别的Qwen 27B更加节省容量）。这是处理长文档或持续自动化对话系统应用中的绝对优势。.

不仅节省资源，该模型的API使用成本也低得难以置信。目前在 DeepSeek官方更新文档 中的价格 每100万个输入token（input）仅为$0.14 và 每100万个输出token（output）仅为$0.28. 与GPT-5.6 Luna的$0.20输入 / $1.20输出费用相比，这款来自中国的方案在输出方面便宜4倍，对美国大型开发商造成了巨大的降价压力。.

企业实际应用以及DPS.MEDIA提供的解决方案

像这个新Flash版本一样智能、快速且低价的模型出现，为越南企业带来了黄金机会。企业无需每月支付数千美元用于昂贵的API，而可以将该模型集成到自动客户服务流程、代码编写虚拟助手或内部数据管理系统中。.

为了优化运营成本并将AI技术应用于实际商业场景，企业可以参考 数字营销服务 以及DPS.MEDIA提供的全面自动化解决方案。凭借部署n8n Workflows自动化系统和集成先进AI工具的经验，我们帮助SMEs企业释放劳动力，减少人工错误，并最大限度提高运营效率。.

如果您想开启数字化转型之旅，集成新一代AI助手，或优化品牌的多渠道营销运营，请立即通过热线/Zalo联系DPS.MEDIA： 0961545445 或访问我们的办公室地址： 56 Nguyễn Đình Chiểu，Tân Định坊，第1郡，胡志明市 以获得最快支持。.