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)
按高功耗加MLX或Ollama的公开数据，M4 Max上不同模型的解码速度大致阶梯为：Nemotron 3 Nano约160 tokens/s，Qwen 3.5 35B在107到130 tokens/s，Gemma 4 26B约75 tokens/s，DeepSeek V4 Flash约27 tokens/s，稠密27B约22 tokens/s
DeepSeek V4 Flash与GPT-5 codecs high在智能指数上大致相当，且在Humanities Last Exam、幻觉率测试等多个基准上更强
DeepSeek V4 Flash的输入token便宜21倍、输出便宜55倍，即便假设效率低3倍净算仍有约20倍提升
团队通过本地配置把Haiku槽位覆盖为DeepSeek V4 Flash，让其承接Remotion视频脚本、字幕导出、截图打包等模板化脚本任务
HoopMind（NBA Chat）项目的绝大部分编码由Claude Code主代理完成，并辅以DeepSeek V4 Flash子代理分工
作者建议使用 DeepSeek V4 Flash 做漏洞发现、用 DeepSeek V4 Pro 或 Opus 等更强模型做验证
Colibri通过coli chat、coli serve、coli web统一调用，支持GLM 5.2/5.3、Kimi K3、DeepSeek V4 Flash、Qwen3等模型
用2840亿参数的DeepSeek V4 Flash实测，token生成从37提升到53 tokens/s（约1.5倍），Prompt Processing从483跃升到1485 tokens/s（约三倍）
DeepSeek V4 Flash在22个多轮测试中失败13个（fail_fast 45%），Gemini同样失败13个
社区实测显示Pro套餐跑DeepSeek V4 Flash一个月能跑约100亿Token，而跑GLM 5.1只剩约16亿Token，差距达6倍
还有 40 条时间轴事件
全部知识事实 (20)
DeepSeek V4 Flash是一款总参数量284B的MoE多模态模型
80%已验证DeepSeek V4 Flash是深度求索推出的针对速度和成本优化的高性价比推理模型
80%已验证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 将原生多模态能力率先落地在 Flash 级别而非旗舰版本，意在优先占领高频、规模化应用场景
75%已验证DeepSeek V4.1 Flash 在 GPQA、HLE 等方面的评分低于此前版本
75%已验证相比上一代V4 Flash，V4.1 Flash对高速显存（HBM）的需求降到四分之一，对SSD持久化存储的需求降到八分之一
75%已验证V4 Flash的缓存大小只有V3.2的7%
70%已验证V4.1 Flash在DeepSWE基准上以0.2分的微弱优势超过Opus 5
70%已验证本地化部署的安全优势在于数据不出设备、消除网络传输的中间人攻击风险以及减少对云服务提供商的信任依赖
65%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
90%已验证DeepSeek推出了实验版多模态模型DeepSeek V4 Flash Vision EXP，在文本与多模态任务中均表现优异
90%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
85%已验证DeepSeek 官方在 DeepSeek V4 Pro 模型发布后推出了 DeepSeek Harness（简称 DSH）
70%待验证V4 Pro的代码生成速度明显慢于V4 Flash
90%部分验证在双Spark系统上，DeepSeek V4 Flash（FP8量化）峰值约每秒53个Token
65%待验证Ewan大部分工作使用DeepSeek V4 Flash模型，评价其非常快、相对便宜、功能强大
60%待验证该测试中模型短上下文场景输出速度约20 token/秒，200K+上下文降至约13 token/秒
60%待验证DeepSeek V4 Flash直接适配了Codex，无需CC Switch就能直接接入
60%待验证最聪明的模型往往token效率最高，因为能更精准理解意图、更高效组织输出，避免冗余试错
60%待验证DeepSeek V4 Flash的UD-Q8_K_XL量化版本文件体积为162GB，采用MXFP4+BF16混合精度，达到完全无损
60%