DeepSeek-V4-Flash-0731 在架构不变的情况下通过新一轮微调，在独立测试中超越更大的 DeepSeek-V4-Pro，Artificial Analysis 智能指数达 50 分，仅比 GPT-5.6 Luna 最高推理模式低 1 分。该模型为 284B 总参数、13B 激活参数的 MoE 架构，支持最高 100 万 token 输入与 384,000 token 输出，MIT 许可下权重可免费商用，API 价格为每百万输入/缓存/输出 token $0.14/$0.0028/$0.28。
匹配字段标题、摘要
Unsloth 发布 DSpark，使 DeepSeek-V4-Flash-0731 的 GGUF 本地生成速度提升约 1.4–2 倍，且精度不变。该版本在本地可达到 120 tokens/s，Unsloth 同时提供了 GGUF 文件与使用指南。
匹配字段标题、摘要、正文
Together AI 在全部 113 个 DeepSWE 任务上对比 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna，每个任务四次试验。Luna 的 pass@1 为 67.2%，高于 DeepSeek 的 53.3%，但单次成本约 0.61 美元，是 DeepSeek 约 0.10 美元的六倍。先用 DeepSeek 再在测试失败时升级到 Luna 的级联方案解决 78.9% 的任务，每任务成本 0.385 美元，准确率高于 Luna 单用且成本更低。
匹配字段标题、摘要、正文
Recode China AI 汇总2026-07-25至2026-08-01的269篇报道，重点涵盖CXMT上海 IPO 一度上涨472%、Kimi K3全面开放权重，以及DeepSeek暂停融资并发布V4。同期MiniMax H3、Seedance 2.5等模型集中亮相，中美围绕中国开放权重模型与芯片获取的政策争论继续升温。
匹配字段标题、摘要、正文
Unsloth 宣布 DeepSeek V4 Flash 0731 现已可在本地运行，无损 4-bit 量化需 168GB 内存，3-bit 需 110GB 内存，可通过 Unsloth 或 llama.cpp 运行，并提供了指南和 GGUF 链接。Unsloth 称 V4 Flash 0731 表现优于 V4 Pro，更小的量化版本当天晚些时候发布。DeepSeek 官方此前宣布 DeepSeek-V4-Flash 官方 API 进入公开测试，Agent 能力大幅升级，基准分数超过 V4-Pro-Preview，并原生支持 Responses API 格式、适配 Codex。
匹配字段标题、摘要、正文
DeepSeek-V4-Flash-0731 与预览版保持完全相同的模型架构和规模，今日升级仅适用于 DeepSeek-V4-Flash API。DeepSeek-V4-Pro API 及 App/Web 模型暂时不变，DeepSeek-V4-Pro 正式版将尽快发布。
匹配字段标题、摘要、正文
DeepSeek-V4-Flash 官方 API 已开放公测，智能体能力评测成绩大幅超过 V4-Pro-Preview。该版本原生支持 Responses API 格式，并已适配 Codex，配置详情可查阅官方 API 文档。
匹配字段标题、摘要、正文
DeepSeek CEO 梁文锋在投资者会议上阐述了公司的 AGI 路线、算力瓶颈、开源策略与商业化思路，并将持续学习视为下一代模型的核心能力。他认为当前路线将从 Agent 走向持续学习、自我迭代和具身智能，同时表示最强模型也可能开源，且开源不会影响公司的商业模式。
匹配字段标题、摘要、正文
LMSYS 宣布 DeepSeek-V4 Flash 的 RL 训练已在 Miles 中支持 AMD Instinct MI355X GPU 与 ROCm，完成四节点端到端验证。该模型为 284B 参数 MoE、每 token 激活 13B，团队解决了 SGLang rollout 与 Megatron 训练之间的 log-probability 对齐、量化权重在线更新语义保持，以及 ROCm 多节点并行策略三个问题。在四台八卡 MI355X 上跑过 100+ 优化步，train-rollout 平均绝对 log-probability 差约 0.09，离线 AIME-2024 pass@1 从 0.39 升至 0.49、pass@8 从 0.53 升至 0.67。
匹配字段标题、摘要、正文
LMSYS 在 SGLang 中集成 DSpark 投机解码，支持 Qwen3 等稠密模型和 DeepSeek-V4 等稀疏模型，相关实现见 sgl-project/sglang#30261。DSpark 用半自回归块草稿器加置信度头，按每个请求的置信度动态决定验证长度，避免验证不太可能被接受的 token。官方在 DeepSeek-V4-Flash、H200、DP4 上对比非投机与 MTP 基线，并给出 ragged verify 下的完整 CUDA graph、零开销调度和成本表分析等工程细节。
匹配字段标题、摘要、正文
Epoch AI 梳理 DeepSeek、MiniMax、Moonshot、Z.ai、字节跳动和阿里巴巴六家中国 AI 公司的 1604 份招聘启事，发现它们仍依赖 Nvidia CUDA 与 TensorRT-LLM，同时探索昇腾、寒武纪等国产芯片。Z.ai 称其 GLM-Image 已在国产芯片上完成端到端训练，该模型有 160 亿参数。MiniMax、DeepSeek、Moonshot 等初创公司还在自建数据中心，并采用公有云与自建算力混合部署。
匹配字段标题、摘要、正文
DeepSeek 宣布将现有优惠改为永久政策，适用于使用 DeepSeek-V4-Pro 进行开发。原文未说明具体折扣幅度或适用限制。
匹配字段标题、摘要、正文
DeepSeek-V4 通过 CSA、HCA 与 SWA 混合注意力在 KV 存储前压缩上下文，支持 1M-token 上下文窗口，但实际效率取决于推理引擎的缓存管理。Together AI 在 NVIDIA HGX B200 上调整 SWA 缓存策略后，将单节点 KV 缓存容量从约 1.2M tokens 提升至 3.7M tokens。长上下文、解码密集型任务最先受益，短上下文任务仍更依赖预填充优化与内核成熟度。
匹配字段标题、摘要、正文
DeepSeek-V4-Pro 优惠已延长至 2026 年 5 月 31 日 15:59 UTC。材料未说明具体折扣幅度、适用范围或其他限制。
匹配字段标题、摘要、正文
Together AI 现已提供 DeepSeek-V4 Pro，Serverless Inference 支持 512K-token 上下文，Dedicated Inference 可提供完整 1M 上下文、预留容量和工作负载隔离。该模型支持三种推理模式，价格为每 1M tokens 输入 $2.10、缓存输入 $0.20、输出 $4.40。
匹配字段标题、摘要、正文
DeepSeek 即日起将全系列 API 的输入缓存命中价格降至原价的 1/10，以降低相关调用成本。
匹配字段标题、摘要、正文
DeepSeek-V4-Pro API 限时优惠 75%，截至 2026 年 5 月 5 日 15:59（UTC）。Claude Code 将模型设为 deepseek-v4-pro[1m] 可启用 1M 上下文，OpenCode 和 OpenClaw 分别需升级至 v1.14.24+ 和 v2026.4.24+。
匹配字段标题、摘要、正文
LMSYS 宣布 SGLang 与 Miles 在 DeepSeek-V4 发布当天提供推理与 RL 训练支持，覆盖 1.6T Pro 和 284B Flash 两个版本。针对 DeepSeek-V4 的混合稀疏注意力、mHC 和 FP4 专家权重，团队引入 ShadowRadix 前缀缓存、HiSparse CPU 扩展 KV、MTP 投机解码等机制，并集成 FlashMLA、FlashInfer TRTLLM-Gen MoE、DeepGEMM Mega MoE 等内核。RL 侧 Miles 支持 DP/TP/SP/EP/PP/CP 六种并行策略与 FP8 训练，已在 32 张 GB300 上完成 285B 模型训练，首步 rollout 与训练 log-prob 偏差约 0.023。
匹配字段标题、摘要、正文
LMSYS 在 SGLang 中集成 Elastic EP，通过解耦专家与 GPU 的固定映射并保留冗余专家，实现单实例内的部分故障容错。在 4 节点 32 GPU 上运行 DeepSeek V3.2、设置 ep_size=dp_size=32 与 256 个冗余专家时，可容忍最多 16 个 rank 故障，服务中断控制在 10 秒以内，相比完整重启所需的 2 至 3 分钟减少约 90%，静态性能与标准 DeepEP 持平。启用需配置 --elastic-ep-backend mooncake、--moe-a2a-backend mooncake、--ep-num-redundant-experts 等参数，NVIDIA Dynamo 团队的 NIXL EP 也可通过 --moe-a2a-backend nixl 试用。
匹配字段标题、摘要、正文
LMSYS 分享了在 GB300 NVL72 上优化 DeepSeek R1-NVFP4 长上下文（128K/8K ISL/OSL）推理的进展，SGLang 实现最高 226 TPS/GPU，较 GB200 提升 1.53 倍。在相同吞吐下 MTP 将单用户吞吐提升 1.87 倍，匹配延迟条件下 GB300 较 GB200 提升 1.38X-1.58X TPS/GPU。GB300 的 288GB HBM 支持 1.6 倍有效解码批大小（40 vs 24 req/GPU），128K 预填充 TTFT 为 8.6s。
匹配字段标题、摘要、正文