DeepSeek V4 Flash 分析页遭遇 404 错误
DeepSeek V4 Flash 0731 Intelligence, Performance and Price Analysis
本想深入探讨 DeepSeek V4 Flash 在智能、性能与价格方面的最新分析，却意外发现目标页面已无法访问。系统明确返回了 404 错误，提示该资源未找到。尽管页面源码中提及了 Shadow DOM 处理建议，但核心内容已不可见。这或许意味着相关分析报告已被移除，或者链接本身已失效。在信息快速迭代的 AI 领域，这类“消失”的内容提醒我们，获取一手资料需要更加及时，同时也反映了网络资源的不稳定性。
警告：目标 URL 返回了 404 错误，页面未找到。
HN 评论区
310- pmxi
权重文件就在几分钟前刚刚发布：https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731
- bwfan123
新的 Deepseek 模型对我来说就像圣诞节一样。我是低成本 API 模型的忠实粉丝，在这方面没人比 DS 做得更好。在 VRAM 价格低到足以本地运行模型之前，这就是最佳方案。
这种补贴制的订阅模式不会长久，API 定价“感觉”更接近真正的可持续商业模式。
- 0cf8612b2e1e
> For the Code Agent tasks among the public benchmarks above, DeepSeek-V4-Flash-0731 is evaluated with the minimal mode of DeepSeek Harness (to be released) as the agent framework
所以，他们是不是也打算发布一个优化过的代码 Agent 框架（Harness）？DSv4 flash 是个非常棒的模型，也是我的日常主力。配合 reasonix 或 pi，我可以整天写代码，只需花几分钱。完全没有 Token 焦虑。而如果用 fireworks 或 openrouter 跑同样的模型，再加上 zdr，Token 成本就会莫名其妙地飙升。这很可能是为了收集使用数据而进行的补贴。我在等能本地运行它的那一天。
- throwaw12
我更新了 OpenAI 昨天的图表 [1]，增加了一个新数据点：DeepSeek V4 Flash 0731。它处于前沿位置。
https://files.parasmittal.com/openai_aa_luna_dsflash.svg
1: https://openai.com/index/advancing-the-price-performance-fro...
- scosman
404。我相信正确的 URL 是：
- WithinReason
对于拥有单张 RTX PRO 6000 96GB 或 DGX Spark 128GB 的用户来说，vllm-moet 是一个非常优秀的引擎，尽管它不太为人所知。它会自动生成对称的 2-bit 平面用于推理，并生成 4-bit delta cache 以恢复精度。支持通过 SSD 流式加载超大权重。你可以自行分配多少 VRAM 给每个部分，以平衡速度与精度。已演示在 ds-v4-flash 上达到 170 tps。
它使用的是标准模型，无需新模型。
值得花几个小时试试。
DGX Spark 需要一个小技巧来忽略 sm120 与 sm121 之间的差异，但它确实能在 sm121 上运行。
- kamranjon
所以，GLM 5.2/Gemini 3.6 级别的智能，输出每百万 Token 仅需 0.28 美元。而且他们更新后的 Pro 模型即将发布……
再加上一个真正可以在家运行的尺寸：Unsloth 无损 Q8 仅需 162GB。
- ycui7
这里真正有趣的是，仅仅通过额外的微调就实现了多大的飞跃。模型结构没有变化，只是增加了数据、算力和时间。这让我对小型模型的未来感到相当兴奋——与它所竞争的同类模型相比，DS v4 flash 算是个相对较小的模型，因此很可能将高质量的数据/训练流程应用到其他小型模型上也能获得类似的收益。