DeepSeek V4 Flash
DeepSeek V4 Flash是由DeepSeek推出的轻量级语言模型，属于DeepSeek V4系列的精简版本。该模型在保持较强语言理解与生成能力的同时，针对推理效率进行了优化，支持MTP（多令牌预测）推测解码技术以加速推理过程，适用于对响应速度和计算资源有较高要求的应用场景。
核心事实
时间轴 (近 90 天)
Deep Dog 2 的默认配置在监督智能体、研究子智能体和最终起草环节均使用 DeepSeek V4 Flash 模型，检索使用 Exa
制作整期教程视频期间共105次请求、近400万token消耗，费用仅0.13美元，约75%的token走缓存通道
短平快、网感、预算敏感的需求适合选择 Flash
Flash 存在标签化人物的问题，人物性格被简化成固定标签，节奏偏拖沓
Flash 在长文场景下存在重复问题，如'眼中闪过一丝疑虑'等AI惯用句式反复出现
在网文写作的脑洞维度上，Flash 表现比 Pro 更强，能将短视频梗、直播操盘等接地气元素串成完整都市爱情线
Flash 在文笔干净度上基本戒掉了'AI 味'的套路化表达，学会用动作和物件推动情绪并留白
推荐的工作流是用 Flash 快速产出脑洞和片段，再用 Pro 打磨结构与长篇一致性
在面对较大规模项目时，V4 Pro的代码理解比V4 Flash更深入，能抓取更多上下文和细节
建议将大量重复性、低复杂度任务交给Flash，只在关键复杂节点调用Pro，以在质量与成本之间取得平衡
还有 40 条时间轴事件
全部知识事实 (20)
DeepSeek V4 Pro采用了MoE（Mixture of Experts，混合专家）架构，在推理时只激活部分参数以降低计算成本
80%已验证DeepSeek V4 Flash同样支持100万Token上下文窗口
75%已验证DeepSeek V4 Flash uses a Mixture of Experts (MOE) architecture with a total parameter count exceeding 600 billion (600B+).
70%已验证DeepSeek将实验性多模态模型V4-Flash-Vision-EXP上线API平台，其文本能力与V4 Flash持平，多模态智能体基准测试性能接近Opus 4.8水平
65%已验证DeepSeek 官方在 DeepSeek V4 Pro 模型发布后推出了 DeepSeek Harness（简称 DSH）
65%待验证DeepSeek V4 Flash的KV Cache显存降至V3.2版本的7%（降低13.7倍）
85%待验证在CLI40命令行操作测试中，DeepSeek V4 Flash表现最好，超过了V4 Pro
85%待验证使用DeepCode配合DeepSeek V4 Flash无需科学上网
70%待验证V4 Flash的缓存大小只有V3.2的7%
60%待验证DeepSeek V4 Flash在OpenModel平台的速率限制为每分钟10次请求（10 RPM）和每分钟100K tokens（100K TPM）
60%待验证DeepSeek V4 Flash模型的API调用费用极低
60%待验证DeepCode配合DeepSeek V4 Flash的部署过程不到30分钟即可完成
60%待验证假设每次轮询消耗约2000个Token，每10秒轮询一次，一个耗时6分钟的任务将产生约72000个Token的额外消耗
60%待验证OpenRouter上的DeepSeek V4 Flash免费模型实测效果不错，自动故障转移功能被成功触发
60%待验证Deep Dog 2 的默认配置在监督智能体、研究子智能体和最终起草环节均使用 DeepSeek V4 Flash 模型，检索使用 Exa
50%待验证制作整期教程视频期间共105次请求、近400万token消耗，费用仅0.13美元，约75%的token走缓存通道
50%待验证短平快、网感、预算敏感的需求适合选择 Flash
50%待验证在网文写作的脑洞维度上，Flash 表现比 Pro 更强，能将短视频梗、直播操盘等接地气元素串成完整都市爱情线
50%待验证Flash 在文笔干净度上基本戒掉了'AI 味'的套路化表达，学会用动作和物件推动情绪并留白
50%待验证Flash 在长文场景下存在重复问题，如'眼中闪过一丝疑虑'等AI惯用句式反复出现
50%