由 Novita AI 支援的 DeepSeek-V4-Flash：1M 上下文長度，每百萬 token 僅需 $0.14
大多數具備推理能力的開源模型都強制開發者取捨：要麼上下文視窗很小，要麼吞吐量緩慢，要麼一啟用擴展推理，價格就立刻飆升至每百萬 token 超過 1 美元。DeepSeek-V4-Flash 完全避開了這些問題——總共 284B 參數，每次推理僅啟動 13B 參數，原生支援 1,048,576 token 的上下文視窗，還有三種可選擇的推理模式。輸入價格僅需每百萬 token $0.14，進入了推理型模型極少能競爭的價格區間。
簡而言之：DeepSeek-V4-Flash 是 DeepSeek AI 推出的 MoE 模型，為需要高吞吐量、又不想支付閉源模型溢價的開發者，帶來了 1M token 上下文長度和可調整的推理深度。從今天起，可透過 Novita AI API 使用該模型。
什麼是 DeepSeek-V4-Flash？
DeepSeek-V4-Flash 是 DeepSeek AI 推出的混合專家（MoE）語言模型，屬於 DeepSeek-V4 系列，與更大的 DeepSeek-V4-Pro 同期發布。該模型總共擁有 284B 參數，推理時僅啟動 13B 參數——在保留超大模型參數容量的同時，將單 token 運算成本保持在極低水平。
核心能力一覽：
- 總共 284B / 推理啟動 13B 參數 — MoE 架構，推理成本極低
- 1,048,576 token 上下文視窗（1M token）— 由混合注意力架構實現
- 三種推理模式：無推理（快速）、推理（逐步思考）、最大推理（最高推理預算）
- 支援函數調用 — 工具使用、結構化輸出、JSON 模式
- 以 32T+ token 訓練，搭配多階段後訓練（SFT、基於 GRPO 的強化學習、策略內提煉）
- MIT 授權 — 權重可於 HuggingFace 下載，允許商業使用
- FP4 + FP8 混合精度 — MoE 專家權重使用 FP4，其餘圖層使用 FP8
核心特色：DeepSeek-V4-Flash 與眾不同之處
無需切換模型即可選擇推理深度
大多數模型都將你鎖定在單一推理模式：要麼開啟推理，要麼關閉。DeepSeek-V4-Flash 在同一個 API 端點上提供三種不同的運行模式：
| 模式 | 特性 | 適用場景 |
|---|---|---|
| 無推理 | 速度快，無鏈式思考 | 高吞吐量任務、聊天、摘要生成 |
| 推理 | 逐步思考，效能均衡 | 複雜問答、程式碼生成、分析任務 |
| 最大推理 | 最高推理預算 | 數學競賽、高難度編程任務、基準測試 |
不同模式之間的效能差距非常顯著：在 GPQA Diamond 測試中，V4-Flash 無推理模式得分 71.2，推理模式為 87.4，最大推理模式為 88.1。在 LiveCodeBench 測試中，最大推理模式達到 91.6，遠超無推理模式的 55.2。你可以根據每次請求的需求在成本和品質之間取捨，無需變更任何基礎設施。
混合注意力架構實現 1M token 上下文長度
原生支援百萬 token 上下文比聽起來困難得多。DeepSeek-V4-Flash 透過專為此設計的混合注意力架構實現這一目標，該架構結合了兩種機制：
- 壓縮稀疏注意力（CSA） — 大幅降低長序列的注意力運算預算
- 高度壓縮注意力（HCA） — 壓縮 KV 快取佔用空間，實現 1M 上下文推理
最終效果：可在可控制的浮點運算次數和記憶體成本下，處理 1M token 輸入的推理。對於程式碼庫分析、法律文件審查、長會話代理等工作負載，這套架構直接決定了任務是可行還是不可行。
MoE 高效能：284B 參數規模下僅啟動 13B
284B/13B 的啟動比例正是成本效率的來源。每次前向傳播僅有 13B 參數處於活躍狀態，將延遲和單 token 成本控制在接近 13B 稠密模型的水平——而完整的 284B 參數池則提供了與更大稠密網絡相当的知識容量。FP4 + FP8 混合精度進一步降低了專家權重的記憶體頻寬壓力。
強大的後訓練流程
DeepSeek-V4-Flash 遵循兩階段後訓練流程：首先，透過 SFT 和基於 GRPO 的強化學習進行領域特定專家培養；隨後，透過策略內提煉進行統一模型整合。最終產出的單一模型在編程、推理和通用知識方面具備差異化的能力表現，而非通用的指令遵循模型。
基準測試效能
DeepSeek-V4-Flash 的基準測試表現核心在於推理模式的選擇。在無推理模式下，它的表現如同高效的 13B 啟動模型；切換到最大推理模式後，則直接躍升至完全不同的效能檔位。
DeepSeek-V4-Flash 各模式效能對比前沿模型 資料來源：DeepSeek AI / HuggingFace
各推理模式效能表現
以下是 V4-Flash 在關鍵基準測試中的得分，涵蓋全部三種運行模式：
| 基準測試 | V4-Flash 無推理 | V4-Flash 推理 | V4-Flash 最大推理 |
|---|---|---|---|
| LiveCodeBench (Pass@1) | 55.2 | 88.4 | 91.6 |
| GPQA Diamond (Pass@1) | 71.2 | 87.4 | 88.1 |
| HMMT 2026 Feb (Pass@1) | 40.8 | 91.9 | 94.8 |
| IMOAnswerBench (Pass@1) | 41.9 | 85.1 | 88.4 |
| Codeforces Rating | — | 2816 | 3052 |
| SWE Verified (Resolved) | 73.7 | 78.6 | 79.0 |
| MRCR 1M (MMR) | 37.5 | 76.9 | 78.7 |
| MCPAtlas (Pass@1) | 64.0 | 67.4 | 69.0 |
| MMLU-Pro (EM) | 83.0 | 86.4 | 86.2 |
最後驗證時間：2026-04-27。資料來源：DeepSeek-V4 技術報告與 HuggingFace 模型卡片。
V4-Flash 與競爭對手的效能對比
V4-Flash 最大推理模式（SWE Verified 79.0 分，LiveCodeBench 91.6 分）的表現可與單 token 成本高得多的模型競爭。它並非所有排行榜都位居榜首——V4-Pro Max 在多數前沿基準測試中領先——但對於關注單任務成本而非原始峰值效能的開發者來說，這樣的取捨非常划算：
| 基準測試 | V4-Flash 最大推理 | V4-Pro Max | Claude Opus 4.6 Max | Gemini 3.1 Pro High |
|---|---|---|---|---|
| LiveCodeBench (Pass@1) | 91.6 | 93.5 | 88.8 | 91.7 |
| GPQA Diamond (Pass@1) | 88.1 | 90.1 | 91.3 | 94.3 |
| SWE Verified (Resolved) | 79.0 | 80.6 | 80.8 | 80.6 |
| HMMT 2026 Feb (Pass@1) | 94.8 | 95.2 | 96.2 | 94.7 |
| MRCR 1M (MMR) | 78.7 | 83.5 | 92.9 | 76.3 |
最後驗證時間：2026-04-27。Claude Opus 4.6 Max 和 Gemini 3.1 Pro High 的數據源自 DeepSeek-V4 技術報告（V4-Pro 前沿效能對比表）。這些得分並非在該報告中與 V4-Flash 進行頭對頭測試得出的。
值得注意的是，V4-Flash 最大推理模式在 MRCR 1M（長上下文檢索任務）中得分 78.7，擊敗了 Gemini 3.1 Pro High 的 76.3 分——該基準測試最直接對應 1M 上下文的使用場景。在 SWE Verified 測試中，四款模型的得分都集中在 79-81 區間，使得 V4-Flash 在實際編程代理領域的競爭力極強，且價格僅有閉源模型的零頭。
如何透過 Novita AI 使用 DeepSeek-V4-Flash
選項 1：遊樂場（無需程式碼）
你可以直接在瀏覽器中透過 Novita AI 模型控制台 測試該模型。無需 API 金鑰即可開始使用，可透過聊天介面切換無推理、推理、最大推理三種模式。
選項 2：API（Python）
DeepSeek-V4-Flash 使用相容 OpenAI 的 API。搭配 Novita 基礎 URL 時，使用模型 ID deepseek/deepseek-v4-flash：
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="YOUR_NOVITA_API_KEY",
)
response = client.chat.completions.create(
model="deepseek/deepseek-v4-flash",
messages=[{"role": "user", "content": "Your prompt here"}]
)
print(response.choices[0].message.content)
若要啟用推理或最大推理模式，請在請求體中傳入 reasoning 參數：
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="YOUR_NOVITA_API_KEY",
)
# Think Max mode — maximum reasoning budget
response = client.chat.completions.create(
model="deepseek/deepseek-v4-flash",
messages=[{"role": "user", "content": "Solve: x^4 - 5x^2 + 4 = 0"}],
extra_body={"reasoning": {"effort": "high"}} # "low" = Think, "high" = Think Max
)
print(response.choices[0].message.content)
你可以前往 novita.ai/settings 取得你的 API 金鑰。
選項 3：第三方工具
由於 Novita AI 提供相容 OpenAI 的端點，DeepSeek-V4-Flash 可直接與以下工具配合使用：
- LangChain / LlamaIndex — 使用
base_url="https://api.novita.ai/v3/openai"的ChatOpenAI即可 - OpenWebUI — 新增為自訂的相容 OpenAI 端點
- Continue.dev / Cursor — 使用 Novita 基礎 URL 配置為自訂模型
定價
DeepSeek-V4-Flash 在各主要供應商處的定價一致。所有數據均為每百萬 token 的價格，統計時間為 2026-04-27：
| 供應商 | 輸入（$/M） | 輸出（$/M） | 快取讀取（$/M） | 最大上下文長度 |
|---|---|---|---|---|
| Novita AI | $0.14 | $0.28 | $0.028 | 1,048,576 tokens |
| DeepSeek Official | $0.14 | $0.28 | $0.028 | 131,072 tokens |
| SiliconFlow | $0.14 | $0.28 | $0.028 | 65,536 tokens |
| DeepInfra | $0.14 | $0.28 | — | 16,384 tokens |
單 token 價格在所有供應商處都相同——但最大上下文長度差異極大。Novita AI 提供完整的 1M token 上下文視窗，而 DeepInfra 僅上限至 16,384 token。如果你的工作負載涉及長文件、程式碼庫或多輪代理，Novita 是更實際的選擇。
推薦使用場景
自主編程代理
V4-Flash 的 1M 上下文視窗意味著代理可以將整個程式碼庫載入上下文，無需分段處理。搭配最大推理模式下 79.0 分的 SWE Verified 表現，它可以在多輪對話中處理多檔案重構和除錯任務，不會遺失上下文狀態。
長文件問答與 RAG
MRCR 1M（多輪上下文檢索）在最大推理模式下得分 78.7%——該基準測試測量的是真實 1M token 視窗內的檢索準確率。對於索引法律文件、學術論文或長技術規範的場景，V4-Flash 在檢索準確率上表現優異，而大多數模型在超過 32K token 後準確率就會下降。
數學與科學推理
在 2026 年 2 月 HMMT（競賽數學）測試中，最大推理模式下得分 94.8%。預算推理模式讓你可以自行調整成本和準確率的取捨：普通問題使用推理模式，高難度問題使用最大推理模式。單次請求不會消耗固定的運算預算，完全由你掌控。
支援快取的生產環境 API
快取讀取價格僅為每百萬 token $0.028，大規模使用時重複的系統提示和工具架構實際上幾乎零成本。每次調用都會重新注入相同上下文的聊天機器人產品和 API 包裝器，使用快取讀取價格比原始輸入價格划算得多。
常見問題
什麼是 DeepSeek-V4-Flash？
DeepSeek-V4-Flash 是 DeepSeek AI 開發的 284B 參數混合專家語言模型，於 2026-04-23 發布。每次前向傳播僅啟動 13B 參數，比同能力的稠密模型速度快得多、成本低得多。它支援 1,048,576 token 的上下文視窗，以及三種推理模式：無推理（快速）、預算推理、擴展推理（最大推理）。
DeepSeek-V4-Flash 和 DeepSeek-V4-Pro 有什麼區別？
V4-Flash 是更輕量、更快速的版本，針對速度和成本進行了優化。V4-Pro 是旗艦模型，峰值基準測試得分更高（例如最大推理模式下 LiveCodeBench 得分 93.5 對比 91.6）。DeepSeek 官方表示 V4-Flash「在給予更大的推理預算時，可達到與 Pro 版本相当的推理效能」——實際使用中，V4-Flash 最大推理模式以更低的單 token 成本，追平了與 V4-Pro 最大推理模式的大部分效能差距。
模型名稱中的「Flash」是什麼意思？
「Flash」代表速度優化版本，與 Google 為 Gemini Flash 使用的命名邏輯一致。DeepSeek-V4-Flash 優先考慮更低的延遲和成本，而非原始最高準確率，當你需要縮小效能差距時，可以使用推理模式來實現。
由 Novita AI 支援的 DeepSeek-V4-Flash 是否支援 1M 上下文視窗？
是的。Novita AI 提供完整的 1,048,576 token 上下文視窗——這是目前所有供應商中該模型可用的最大上下文長度。Novita 上的最大完成 token 數為 393,216。
如何透過 API 切換推理模式？
傳入 extra_body={"reasoning": {"effort": "low"}} 參數即可啟用預算推理模式，傳入 "effort": "high" 則啟用最大推理模式。若要使用無推理（快速）模式，則完全省略該參數即可。API 相容 OpenAI 格式，無需修改 SDK。
由 Novita AI 支援的 DeepSeek-V4-Flash 定價是多少？
截至 2026-04-27：輸入 token 每百萬 $0.14，輸出 token 每百萬 $0.28，快取讀取 token 每百萬 $0.028。這與 DeepSeek 官方定價一致，且所有供應商價格相同——Novita 的差異在於提供完整的 1M 上下文視窗和高可用性。
DeepSeek-V4-Flash 是否開源？
是的。該模型權重可在 HuggingFace 下載，採用 MIT 授權——這在 DeepSeek-V4 官方儲存庫中已確認。MIT 條款允許自主部署和商業使用。透過 Novita AI API 使用則完全無需自主部署。
立即開始使用 DeepSeek-V4-Flash
DeepSeek-V4-Flash 現已透過 Novita AI 提供服務，配備完整的 1M 上下文視窗、有競爭力的定價，且無任何基礎設施開銷。你只需選擇推理模式，其餘都由 Novita 處理。
→ 試用由 Novita AI 支援的 DeepSeek-V4-Flash
