信息卡

一句话定位

DeepSeek-V4-Flash 官方正式版（取代 Preview）：主打 agentic 能力跃升与百万 token 级上下文的极致效率，官方称基准成绩超过更大的 V4-Pro 预览版、比肩最强闭源旗舰。

为什么上热度榜

7 月 31 日发布、8 月 1 日定稿，月下载高达 3,857,140 次、点赞 3.73k，是本期榜单中下载量最大的条目之一，延续 DeepSeek 一贯的"开源炸场"效应；MIT 许可继续压低商用门槛，发布后迅速成为 vLLM、SGLang 等推理框架的优先适配对象。

规格与技术亮点

总参数 304B（safetensors 约 166.9GB），MoE 架构、激活参数量远小于 V4-Pro（具体数值见技术报告，论文主题即 "Towards Highly Efficient Million-Token Context Intelligence"）。亮点：同一 checkpoint 内置 DSpark 投机解码模块（草稿与目标权重同包）——草稿分支快速猜测后续 token，目标分支一次性并行验证，长输出 agentic 场景吞吐提升明显；fp8 KV cache；fp8/fp4/mxfp4 多档量化推理；reasoning_effort 三档 low/high/max，high/max 档最大输出可达 384K token。基准摘录：Terminal Bench 2.1 得 82.7（V4-Pro Preview 72.1 / Opus-4.8 85.0）、DeepSWE 54.4、Cybergym 76.7。注意细节：模型不含 Jinja 聊天模板，对话构造须用仓库 `encoding/` 目录的 Python 编码脚本；推荐 temperature=1.0、agentic 场景 top_p=0.95。

使用方式与代码示例

transformers 标准 `AutoTokenizer`/`AutoModelForCausalLM` 加载；vLLM 关键参数：

vllm serve deepseek-ai/DeepSeek-V4-Flash-0731 --trust-remote-code --kv-cache-dtype fp8 \
--block-size 256 --enable-expert-parallel --moe-backend deep_gemm_mega_moe \
--speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}'

SGLang 对应 `--speculative-algorithm DSPARK --moe-runner-backend flashinfer_mxfp4`。

部署建议（本地/云端/量化选择）

166GB 权重至少需要 4×80GB GPU 节点或等效内存级环境，选 mxfp4/fp4 量化档可大幅压缩显存占用，配合 expert parallel 提升高并发下的利用率；中小团队建议优先走 API 或托管推理服务。

典型应用场景

• 代码库级长上下文 agent 与自动重构；2. 安全审计自动化（Cybergym 成绩背书）；3. 终端运维智能体（Terminal Bench 强项）；4. 超长文档分析替代 RAG 检索链路。

同类对比

与 V4-Pro 构成"Flash 高效旗舰 + Pro 大杯"双档；对国际闭源阵营的差异点是 MIT 许可与低激活成本，flash 定位类似 GPT 小时延档的开放式平替。相比同期其他开源旗舰，DeepSeek 保持权重、推理栈与研究论文同步开放的透明策略。

资源导航

模型卡、仓库 `encoding/` 脚本目录、技术报告（百万 token 上下文论文）。