DeepSeek V4 Flash · 媒体来源 · 平台遥测
BenchLM 的 0731 快照列出 1M 上下文、Agentic 51.9、Coding 48.5、Knowledge 61.1，并把多项分数回指官方报告。
待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。
API model id：deepseek-v4-flash（0731 更新版）
发布：2026 年 7 月 31 日；类型：Proprietary / Reasoning
上下文窗口：1M；输入模态：text；输出模态：text
状态：active；Prompt caching 公布价 $0.003 / 百万缓存输入 tokens
| 类别 | 权重 | 分数 | 排名 |
|---|---|---|---|
| Agentic | 22% | 51.9 | 未排名 |
| Coding | 20% | 48.5 | 未排名 |
| Reasoning | 17% | 待定 | 未排名 |
| Knowledge | 12% | 61.1 | #42 of 57（27 百分位） |
| Math | 5% | 81.4 | 未排名 |
| Multilingual | 7% | 未测 | - |
| Multimodal | 12% | 未测 | - |
| Inst. Following | 5% | 未测 | - |
Coding
SWE-bench Verified：79%（最佳 96%，Claude Opus 5）
SWE-bench Pro：52.6%
LiveCodeBench Pass@1-COT：91.6%（仅落后 V4 Pro 0813 的 93.5% 1.9）
Codeforces：3052.0
SWE Multilingual：73.3%
Terminal-Bench 2.0：56.9%；Terminal-Bench 2.1：82.7%
NL2Repo：54.2%；deepSwe：54.4%；DSBench-FullStack：68.7%；DSBench-Hard：59.6%
Agentic
Terminal-Bench 2.0：56.9%；Terminal-Bench 2.1：82.7%
BrowseComp：73.2%
HLE w/ tools：45.1%
MCP Atlas：69%；Toolathlon：47.8%；Toolathlon-Verified：70.3%
CyberGym：76.7%
Agents' Last Exam：25.2%
AutomationBench：25.1%
Reasoning
MRCR 1M：78.7%；CorpusQA 1M：60.5%
Knowledge
HLE（Humanity's Last Exam）：34.8%
与最强的基准记录相比仍有明显差距（如 SWE-bench Verified 落后 Claude Opus 5 达 17 个点），但在价格远低的前提下，代码与 Agent 场景的成绩处于可用水准
0731 更新版比早期版本有显著提升（deepSwe 7.3 → 54.4 同源数据）
BenchLM 备注：缺失字段保持"未公开"而非隐藏，分数仅在可展示的公开证据下显示
本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。
需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。
BenchLM.ai（模型基准与定价追踪站） · 作者未公开 · 原文发布日期 2026-07-31 · 本站编辑日期 2026-09-20
打开原始来源DeepSeek V4 Flash
下载 Tabbit 客户端后检查模型可用性
