检查点 V4-Pro-0813 与 V4-Flash-0731 · 2026年8月15日 取数
V4-Flash 还是 V4-Pro
在当前这两个检查点上，两个模型的能力差 1 分，价格差 3.0×。Flash 还更快，并发额度是它的 5.0×。这么一说答案好像很明显，对大多数场景也确实如此——但价目表只是你要付的那笔钱的一半。
另一半是每个模型为了得出答案要烧掉多少 token，这个数没有任何对比表会写。这页给出那个临界点的具体值：token 消耗到 3.0× 时，便宜的那个就不便宜了。
三个关键差距
能力差距
53 vs 52
Pro 领先 1 分——多数场景里这在噪声范围内
价格差距
3.0×
Pro 的每个输出 token 贵这么多
临界点
3.0×
token 消耗到这个倍数，两边账单打平
为什么网上搜到的对比大多是错的
这两个模型名在不同时间指的其实是不同的东西，谁强谁弱翻转过两次。7 月 31 日到 8 月 13 日之间，Flash 确实大幅领先 V4-Pro 预览版——网上能搜到的对比文章，大多写于这段时间。V4-Pro-0813 把差距补了回来。任何声称某一方大幅领先的说法，描述的都是一个已经过期的快照。
-
2026-04-24
V4-Pro 与 V4-Flash 同日发布
同一天以 MIT 协议开放权重，上下文都是 100 万 tokens。Flash 是单独训的，不是从 Pro 蒸出来的——所以它从来就不是 Pro 的缩小版。
-
2026-07-31
Flash 重做后训练
0731 这一版在价格不变的前提下把 agent 和工具调用的表现磨得更利，一度在 Intelligence Index 上反超 V4-Pro 预览版。网上能搜到的对比文章，大多写于这段时间。
-
2026-08-13
V4-Pro-0813 正式可用
正式版加了可选推理强度（low / high / max）、原生 OpenAI Responses API 和 DSpark 投机解码，也把 Pro 重新拉回领先——领先一分。DeepSeek Harness 同日发布。
-
2026-08-16
新价目表生效
两个模型一起涨价，也一起恢复分时段计费。两者之间的比价大体没变，所以这次涨价并不影响你在它俩之间怎么选。
Intelligence Index 的分数是在最高推理强度下测的。指数升到 v4.1.1 时 Artificial Analysis 把 Flash-0731 从 50 上调到了 52，别处引用的数字可能还停在调整之前。
逐项对照
| 项目 | DeepSeek V4-Pro | DeepSeek V4-Flash |
|---|---|---|
| Intelligence Index Artificial Analysis，最高推理强度 | 53 | 52 |
| 输出速度 Artificial Analysis 中位数 | 77.6 tok/s | 120.6 tok/s |
| 输出价 · 空闲时段 高峰时段比例相同 | ¥13.50/百万 | ¥4.50/百万 |
| 并发请求数 按账号封顶，多开 API key 也不会变高 | 500 | 2,500 |
| 上下文窗口 完全一样 | 1M | 1M |
| 参数量 各训各的——Flash 不是 Pro 蒸馏出来的 | 总计 1.6T · 激活 49B | 总计 284B · 激活 13B |
能力与速度数据来自 Artificial Analysis；价格、上下文和并发来自 DeepSeek 自己的文档。作为标尺， Claude Opus 5 (max) 得 63 分在同一套指数上的分数如上。
折扣从哪儿开始失效
小模型干同一件事，可能要多试几次、想得更久、多调几次工具。有一份跑了三个真实编码任务的实测，正好撞上这一幕：便宜的那个活干得更好，但多烧的 token 把两边账单拉平了。所以问题不是谁的单价低，而是便宜那个得多花多少，差距才会被抹平。
DeepSeek V4-Pro
—
实测负载，原样不动
DeepSeek V4-Flash
—
—
token 用量相同 临界点 3.0×
—
基准就是本站那次实测：155.9M 提示词、98.1% 缓存命中率、754K 输出，按新价目表算。滑杆的倍数会同时作用在三档价上，也就是假设便宜模型多干的活平摊在输入和输出上。
比选模型更要紧的那个开关
V4-Pro-0813 开始支持选推理强度——low、high、max。这个开关决定模型在回答之前生成多少思考 token，而思考 token 按输出价计费，是整张表上最贵的一档。钱照收，你还看不见。
73.6%
——DeepSeek V4-Pro 在 high 强度下，生成的 token 里思考占比
数据来自一台机器上的 613 次请求。那一轮里，输出账单大约 74% 买的是推理过程，不是答案。 同一批日志里 DeepSeek V4-Flash 的请求是 57.2%，但跑的任务不一样——当第二个数据点看，不是正面对比。
实际的结论是：想换模型省钱之前，先看看现在这个的推理强度停在哪一档。改一行配置，直接作用在最贵那档上，而且不影响你拿到的是哪个模型的答案。
怎么选
默认用 DeepSeek V4-Flash
- 大流量的线上业务。 1 分的指数差距碰上真实业务基本就消失了，而你要为它多付 3.0×。
- 任何对延迟敏感的场景。 输出速度快 1.6×，这是用户能直接感觉到的，指数分数不是。
- 并行或批量任务。 2,500 路并发对 500 路——5.0× 的天花板差距，在能力开始起作用之前就已经决定了吞吐量。
这些情况升级到 DeepSeek V4-Pro
- 长时间自主运行的 agent。 每一步一点点错误率，跑很多步就会累积起来，而重跑一次的成本比那点能力溢价高得多。
- 跨多文件的硬重构、前沿推理。 这类活是真的需要指数榜顶端那点能力。
- 对准确率要求高的输出 ——答错一次的代价，超过两张价目表之间的差价。
按难度分流（默认 Flash，遇到难的再升到 Pro）比二选一更划算，而且两者价目表结构一样，账好算。
不管你选哪个，账单上最大的那根杠杆既不是模型也不是推理强度，而是 你的缓存命中率。在那次实测里，它从一张 ¥711.73 的账单上砍掉了 ¥665.21——比换任何模型都多。
关于选型
写入缓存要另外收钱吗？
不收。缓存是自动的，也没有单独的写入费——你要么按命中价结算，要么按未命中价，没有第三项。
这不是细节，是和一部分同行的实质差别。Anthropic 写提示词缓存要额外加钱，得靠后面读回来的次数把这笔钱赚回来才划算。DeepSeek 这边第一次请求就按未命中价走，本来也要付这个钱。
代价是没有任何承诺。官方明说缓存是尽力而为，没人再用的条目几小时到几天就清掉了。
V4-Pro 和 V4-Flash 差在哪？
上下文都是 1M tokens，最大输出长度也一样。差别在价格，还有一次能开多少路：DeepSeek V4-Pro 允许 500 路并发，DeepSeek V4-Flash 是 2,500 路。
DeepSeek V4-Flash 高峰时段输出每百万 ¥9.00，DeepSeek V4-Pro 是 ¥27.00。两个模型同一天切新卡，高峰时段也完全一样。
实际用下来，V4-Flash 真比 V4-Pro 省钱吗？
价目表上输出差 3.0×。账单未必认这个数——单价只是一半的答案，另一半是模型为了把活干完要烧多少 token，而小模型未必烧得更少。有一份公开的实测拿两个模型跑了三个真实编码任务，结论是便宜的那个活干得还更好，但多花的 token 把两边账单拉平了。
还有个因素通常比选模型影响更大：推理强度。本站那份实测里，生成的 token 有 73.6% 是思考 token——响应里看不见，但按输出价全额计费，而输出是整张卡上最贵的一档。
所以既别看折扣标题，也别看跑分表。拿你自己的活在两边各跑一遍，比总 token 数而不是比单价，顺便看看推理强度是不是一直开在最高档。
涨完之后还比 Claude、OpenAI、Gemini 便宜吗？
多数场景还是便宜，但差距比以前小了；再把缓存命中算进去，和各家便宜档位的距离会进一步缩。
到底怎么比，取决于你自己的输入输出配比和命中率——计算器就是干这个的：把你的用量同时套到所有价目表上，而不是对着一个未必符合你情况的标题数字下结论。
跑分是第三方对特定检查点的测量，会随时间修订，每个数字的取数日期都标在这页上。价格来自 DeepSeek 公布的价目表。但这两样都替代不了一件事：拿你自己的活在两个模型上各跑一遍，比总 token 数。