前言

前两天，deepseek 正式发布了 v4-flash 模型，各项参数都优于之前的 v4-pro-preview。恰好基元律动也同步上架了这个模型，我便借着修改公共 CDN 代码的机会，实际体验了一番。

主观体验

最直观的感受是响应速度的大幅提升。 相比 v4-pro-preview，v4-flash 的回复明显更快，在对话中几乎感受不到等待。我将 API 接入了常用的 trae IDE 后，还发现一个有意思的变化：它比上一代模型更爱调用工具了。例如让它仿照某个网站修改样式，以前它会先访问目标网址；现在则会直接通过工具把源代码抓下来，读取并复刻。这种”先取证、再动手”的方式，在改版类任务上效率高了不少。

不过也有让人挠头的地方。 在某些需要精确理解的需求上，它似乎比上一代”笨”一点。比如我让它修改表格的页码切换逻辑：一共十页，初始显示 1 2 3 4 5 … 10，我希望点击第 5 页后能继续展开显示 6 7，而不是只能靠”下一页”按钮逐页切换。第一次表述可能不够清晰，它只把问题从”最多点到第 5 页”变成了”最多点到第 6 页”，并没有真正解决。

同样的需求，之前交给 v4-pro-preview 时它能轻松完成。直到我重新组织语言、精准描述后，v4-flash 才给出了满意的结果。这也提醒我：模型理解能力再强，表述是否准确依然是关键。

费用

费用方面可以说相当惊喜。这次一共消耗约 3M token，其中缓存命中近 2.9M，总花费仅 0.25 元左右，日常使用几乎没有成本压力。

总结

整体而言，v4-flash 在速度、工具调用和性价比上的表现都可圈可点，明显优于 glm-5.2；但与 grok-4.5、gpt-5.5 等顶尖模型相比仍有一定差距，尤其是在复杂指令的理解上。当然，以上只是我个人的主观感受，仅供参考。

君子喻于义,小人喻于利