DeepSeek-V4-Flash：0731 思考档位与工具调用配置

一句话结论

DeepSeek-V4-Flash 的 Agent 任务应显式选择 low/high/max 思考档位，并在工具多轮中原样回传 reasoning_content，否则可能得到 400 错误或损失连续推理状态。

适用场景

• 适合的任务：代码 Agent、需要函数调用的检索/执行循环、需要在成本和延迟之间调节的长任务。

• 不适合的任务：需要图像或音频输入的工作流；官方更新与实测资料均将 V4-Flash 描述为文本模型。

• 适用的模型版本：deepseek-v4-flash，尤其是 2026-07-31 的 0731 API 更新。

• 适用的客户端、Agent 或 API：DeepSeek OpenAI-compatible Chat Completions；工具调用循环。

• 推荐的推理档位和参数：简单任务 low；日常 Agent high；复杂任务 max。思考模式下不要依赖 temperature、top_p、presence_penalty 或 frequency_penalty，官方说明这些参数无效。

可直接使用的内容

下面是依据官方参数表改写为 V4-Flash 的最小配置模板；字段名和状态映射保持官方定义，模型名已从文档示例中的 Pro 改为本目录模型：

from openai import OpenAI

client = OpenAI(
    api_key="<DeepSeek API Key>",
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "user", "content": "先检查输入，再调用必要工具，最后给出可验证的结论。"}
    ],
    reasoning_effort="high",  # low / high / max
    extra_body={"thinking": {"type": "enabled"}},
)
print(response.choices[0].message.content)

官方 Responses API 的对应思路是 reasoning.effort="none" | "low" | "high" | "max"；其中 none 关闭思考。OpenAI 格式的 thinking 开关需要放在 extra_body 中。

测试/工作流步骤

1. 用 model="deepseek-v4-flash" 发起请求，并根据任务复杂度选择 reasoning_effort。

2. 需要工具时，在后续请求中保留上一轮完整的 assistant 消息，而不是只保留 content。

3. 读取 tool_calls，执行本地工具，把每个结果以 role="tool" 和对应 tool_call_id 追加回 messages。

4. 继续请求，直到没有新的 tool_calls；最后只把 content 作为用户答案。

5. 对重要任务单独校验外部数据；模型档位只控制推理投入，不替代工具结果验证。

原始证据与数据

• 官方更新页说明 V4-Flash 0731 是公开 beta，模型架构和规模与 V4-Flash-Preview 相同，仅重新进行 post-training；官方 Agent 结果包括 Terminal Bench 2.1 82.7、DeepSWE 54.4、Toolathlon Verified 70.3、Automation Bench Public 25.1。

• 同一更新页给出官方 harness 条件：DeepSeek Harness minimal mode、max effort、top_p=0.95、temperature=1.0；这是官方测试条件，不应直接当作任意客户端默认值。

• 思考模式文档明确：V4-Flash 与 V4-Pro 的 requested effort 映射为 low→low、medium→high、high→high、xhigh→high、max→max；思考默认开启且默认实际档位为 high。

• 工具调用时，若没有回传完整 reasoning_content，官方文档警告 API 会返回 400；无工具的普通多轮中，前一轮 reasoning_content 可不拼回。

适用边界

• medium 和 xhigh 并不会在 V4-Flash 上产生同名的独立实际档位，都会映射到 high；需要最大投入时使用 max。

• 思考模式不支持用采样参数微调随机性；文档说这些参数即使被接受也没有效果。

• 文档示例包含可见的 reasoning_content，这里仅把它作为 API 状态字段处理，不应把模型内部推理当作可靠事实或直接展示给终端用户。

• 0731 的基准使用官方 harness；不同 Agent 编排、工具描述和上下文压缩策略可能改变结果。

来源摘录或观察（仅做合规短引）

官方更新页的关键原文是 “DeepSeek-V4-Flash-0731 keeps the same model architecture and size ... and was only re-post-trained”；思考模式页还要求工具请求后 “reasoning_content must be fully passed back”。