DeepSeek V4 Flash 正式版在 OpenCode 單日耗用 8 兆 Token，每百萬輸出收費 2 元人民幣

OpenCode 表示，DeepSeek V4 Flash 正式版透過其平台單日耗用 8 兆 Token，其中 5 兆來自免費額度、3 兆來自付費方案 OpenCode Go。相較之下，接入逾 400 款模型的 OpenRouter 每月處理約 200 兆 Token，每日平均約 6.6 兆。 DeepSeek 於 7 月底推出 V4 Flash 正式版，每百萬輸出 Token 收費 2 元人民幣；Claude Opus 4.8 的標準價格為 25 美元、約 170 元人民幣，兩者輸出單價相差約 85 倍。Agent 的反覆工具呼叫也會放大用量：有人以 Claude Opus 5 製作單頁 3D 遊戲，最終產出一個 HTML 檔案，但整個過程耗用 6.9 億 Token，費用接近 3,000 元人民幣。 截至 8 月 2 日的 Arena 頁面快照，V4 Flash 在前端程式設計評測的初步排名暫居 Opus 4.8 Thinking 之前。Artificial Analysis 的 Intelligence Index v4.1 則顯示，V4 Flash Max 得 50 分、Claude Opus 4.8 Max 得 56 分；完成整套評測的模型呼叫費分別約為 72.02 美元與 3,752.55 美元，Opus 多得 6 分，但成本約高 52 倍。 DeepSeek 7 月 31 日的更新紀錄指出，正式版 V4 Flash 與 Preview 的架構和規模相同，僅重新進行後訓練，重點強化程式設計與 Agent 任務。正式版在 Terminal Bench 2.1 得到 82.7 分，但該成績使用尚未發布的 DeepSeek Harness 極簡模式與 max 推理檔位；模型也新增原生 Responses API，並針對 Codex 進行適配。 V4 Flash 總參數量為 2,840 億，每個 Token 約啟用 130 億參數，並採用混合注意力、低精度權重及長上下文快取最佳化。DeepSeek 4 月發布的 Preview 技術報告估算，在 100 萬 Token 上下文中，V4 Flash 的單 Token 推論計算量約為 DeepSeek V3.2 的 10%，KV Cache 約為後者的 7%。其 Transformer 交錯採用先壓縮再尋找重點的 CSA，以及高度壓縮但完整瀏覽的 HCA；前饋層則沿用 DeepSeekMoE，僅將每個 Token 路由至少數專家。 Preview 的後訓練流程分別訓練數學、程式碼、Agent 與指令遵循專家，透過 SFT、GRPO 及十多個教師模型的 On-Policy Distillation 合併能力。DeepSeek 另設計專用工具呼叫格式、可在工具回傳後延續推理的 Interleaved Thinking，以及提供數十萬個並行沙箱的 DSec，讓模型練習執行程式碼、讀取錯誤並持續修改。 官方儲存庫中的 V4 Flash 權重檔案合計約 167 GB，DeepSeek 提供的 vLLM 服務範例使用一台配備 4 張 GB300 的伺服器。社群專案 DwarfStar 透過低位元量化，讓 q2 版本可在具備 96GB 或 128GB 統一記憶體的裝置執行，q4 版本則建議至少配置 256GB 記憶體；部分 128GB Mac 在短上下文測試中可達每秒 20 多個 Token。極低位元量化可能損害程式碼、長上下文與工具呼叫能力，因此 q2 版本不代表能重現官方 API 的 Agent 成績。 以每百萬輸出 Token 0.28 美元計算，一台售價約 4,699 美元的 DGX Spark，相當於約 168 億個輸出 Token，且尚未計入本地部署所需的電費、維護及除錯成本。