
DeepSeek: DeepSeek V4 Flash 0731 (batch)
deepseek/deepseek-v4-flash-0731:batch
Poids du modèleDeepSeek V4 Flash 0731 is a sparse mixture-of-experts model from DeepSeek, with 13B active parameters out of 284B total. This re-post-trained revision is suited for coding, reasoning, and agent workflows. This is the GA release of DeepSeek V4 Flash.
Fournisseurs
Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).
| 0,048 $US | 0,144 $US | 0,012 $US | -- | -- |
Entrée 0,048 $US / Sortie 0,144 $US-- tok/s-- de disponibilité
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
DeepSeek V4 Flash 0731 (batch) — Historique des prix
| 0,00 $US | 0,00 $US | 8,2 % | 100,0 % |
- Prix effectif en entrée 0,00 $US / Sortie effective 0,00 $USPart des jetons100,0 %
Performances
Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Les données de disponibilité sont encore insuffisantes pour être affichées.
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Évaluations comparatives
Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.
| Source | Test de performance | Score |
|---|---|---|
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) Coding Index | 69,1 |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) Agentic Index | 41,0 |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) GPQA Diamond | 90.8% |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) HLE | 38.6% |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) AA-LCR | 79.7% |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) τ-Bench Banking | 39.4% |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) GDPval-AA | 46.8% |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) CritPt | 16.6% |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) SciCode | 50.3% |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) Terminal-Bench 4.0 | 12.1% |
| Artificial Analysis | DeepSeek V4 Flash 0731 (Max) Terminal-Bench 2.1 | 78.7% |
| Design Arena | DeepSeek-V4-Flash-0731 Models Arena 3D Elo | 1188 |
| Design Arena | DeepSeek-V4-Flash-0731 Models Arena Asciiart Elo | 1085 |
| Design Arena | DeepSeek-V4-Flash-0731 Models Arena Code Categories Elo | 1218 |
| Design Arena | DeepSeek-V4-Flash-0731 Models Arena Data Visualization Elo | 1168 |
| Design Arena | DeepSeek-V4-Flash-0731 Models Arena Game Development Elo | 1198 |
| Design Arena | DeepSeek-V4-Flash-0731 Models Arena SVG Elo | 1169 |
| Design Arena | DeepSeek-V4-Flash-0731 Models Arena UI Component Elo | 1226 |
| Design Arena | DeepSeek-V4-Flash-0731 Models Arena Website Elo | 1230 |
| Vals AI | DeepSeek V4 Flash 0731 BioMysteryBench | 64.4% |
| Vals AI | DeepSeek V4 Flash 0731 Code Migration | 38.6% |
| Vals AI | DeepSeek V4 Flash 0731 CorpFin v2 | 61.8% |
| Vals AI | DeepSeek V4 Flash 0731 CyberBench v1.1 | 72.1% |
| Vals AI | DeepSeek V4 Flash 0731 EMB | 57.0% |
| Vals AI | DeepSeek V4 Flash 0731 Finance Agent (v2) | 49.5% |
| Vals AI | DeepSeek V4 Flash 0731 GPQA Diamond | 89.9% |
| Vals AI | DeepSeek V4 Flash 0731 Harvey's Legal Agent Benchmark v1 | 8.3% |
| Vals AI | DeepSeek V4 Flash 0731 IOI | 32.7% |
| Vals AI | DeepSeek V4 Flash 0731 LiveCodeBench | 87.3% |
| Vals AI | DeepSeek V4 Flash 0731 LegalBench | 77.7% |
| Vals AI | DeepSeek V4 Flash 0731 Legal Research Bench | 30.3% |
| Vals AI | DeepSeek V4 Flash 0731 MedCode | 41.4% |
| Vals AI | DeepSeek V4 Flash 0731 MedScribe | 80.4% |
| Vals AI | DeepSeek V4 Flash 0731 MMLU Pro | 86.2% |
| Vals AI | DeepSeek V4 Flash 0731 ProgramBench | 0.0% |
| Vals AI | DeepSeek V4 Flash 0731 ProofBench v1.1 | 56.0% |
| Vals AI | DeepSeek V4 Flash 0731 SkillsBench | 50.7% |
| Vals AI | DeepSeek V4 Flash 0731 SWE-bench | 88.8% |
| Vals AI | DeepSeek V4 Flash 0731 Tax Agent Bench | 28.1% |
| Vals AI | DeepSeek V4 Flash 0731 TaxEval v2 | 70.7% |
| Vals AI | DeepSeek V4 Flash 0731 Terminal-Bench 4.0 | 18.7% |
| Vals AI | DeepSeek V4 Flash 0731 Terminal-Bench-Science | 4.3% |
| Vals AI | DeepSeek V4 Flash 0731 Vals Index | 48.0% |
| Vals AI | DeepSeek V4 Flash 0731 Vibe Code Bench v1.1 | 74.7% |
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Pas encore assez de données sur les applications utilisant ce modèle.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Documentation
Guides, recueils de recettes, articles de blog et outils pour développer avec DeepSeek: DeepSeek V4 Flash 0731 (batch) sur OpenRouter.
Questions fréquentes
DeepSeek V4 Flash 0731 is a sparse mixture-of-experts model from DeepSeek, with 13B active parameters out of 284B total. This re-post-trained revision is suited for coding, reasoning, and agent workflows. This is the GA release of DeepSeek V4 Flash.
La documentation de DeepSeek V4 Flash 0731 (batch) sur OpenRouter comprend l’article de blog Does DeepSeek V4 Have Vision?, l’article de blog Why Use OpenRouter for DeepSeek et l’article de blog DeepSeek V4 Is Earning Agentic Token Share. Le guide de démarrage rapide présente les clés API et votre première requête, et la référence API répertorie tous les paramètres.
DeepSeek V4 Flash 0731 (batch) coûte 0,048 $US/M de jetons d’entrée et 0,144 $US/M de jetons de sortie, avec des tarifs distincts pour Cache Read à 0,012 $US/M tokens.
DeepSeek V4 Flash 0731 (batch) dispose d’une fenêtre de contexte de 1 048 576 jetons. Il prend en charge jusqu’à 384 000 jetons de complétion.
Oui. DeepSeek V4 Flash 0731 (batch) accepte tools et tool_choice pour l’appel de fonctions. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.
DeepSeek V4 Flash 0731 (batch) est servi par 1 fournisseur sur OpenRouter : DeepInfra.
DeepSeek V4.1 Flash 1017, DeepSeek V4.1 Flash, DeepSeek V4 Flash Vision Exp et 9 de plus sont d’autres modèles de type texte de DeepSeek.
DeepSeek V4 Flash 0731 (batch) est sorti le 31 juillet 2026.