Apakah bobot terbuka dan bisakah saya menjalankan ini secara lokal?

Ya — bobot ada di Hugging Face di deepseek-ai/DeepSeek-V4-Flash-0731. Hosting sendiri membutuhkan perangkat multi-GPU yang mampu menangani model MoE 284B parameter; contoh DeepSeek menggunakan node 4×GB300 dengan vLLM.

Berapa biaya dan berapa besar konteksnya?

Melalui API, harganya $0,02 per juta token input dan $0,64 per juta token output, dengan jendela konteks 1.048.576 token.

Apa perbedaan dengan DeepSeek V4 Pro?

V4 Flash 0731 hanya mengaktifkan 13B parameter dibandingkan jumlah aktif V4 Pro yang lebih besar, namun mengungguli V4 Pro di setiap benchmark agen dalam perbandingan yang dipublikasikan DeepSeek, menjadikannya pilihan lebih baik untuk beban kerja agen pengkodean dengan biaya inferensi lebih rendah.

▲

18.4%

minggu ini

DeepSeek V4 Flash 0731

9301°

#llm #deepseek #penalaran #pemrograman #agen #konteks panjang

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

DeepSeek | 1,048,576 token context | $0.01/M input, $1.28/M output. 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.

Panduan untuk model ini

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

DeepSeek V4 Flash 0731 adalah model sparse mixture-of-experts dari DeepSeek dengan 13B parameter aktif dari total 284B, dibangun untuk pengkodean, penalaran, dan alur kerja agen. Rilis GA secara substansial meningkatkan preview-nya, mengalahkan DeepSeek V4 Pro di beberapa benchmark agen meski mengaktifkan jauh lebih sedikit parameter. Cocok untuk pengembang yang menginginkan performa agen dan pengkodean kelas frontier dengan harga API rendah, atau yang ingin hosting sendiri model MoE serius.

Dikenal untuk

Pengkodean agen kuat: skor tinggi di benchmark DeepSWE, NL2Repo, dan terminal
Jendela konteks 1 juta token untuk basis kode panjang dan sesi agen yang diperpanjang
Decoding spekulatif bawaan via DSpark untuk inferensi lebih cepat di vLLM
Upaya penalaran yang dapat disesuaikan: deliberasi rendah, tinggi, atau maksimal per panggilan
Bobot terbuka di Hugging Face, dapat dijalankan di perangkat multi-GPU dengan vLLM

Waspadai

Tidak ada template chat Jinja standar; Anda harus menggunakan skrip encoding khusus DeepSeek untuk memformat prompt dengan benar.
284B total parameter berarti hosting sendiri membutuhkan perangkat multi-GPU serius — ini bukan model laptop.
Token output biayanya 32× lebih mahal daripada token input; jalur agen panjang dengan output verbose cepat menambah biaya.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Tugas repo otonom

Anda bekerja di repositori Python yang memiliki API Flask dan backend PostgreSQL. Endpoint /users mengembalikan semua baris dari tabel users tapi tanpa paginasi. Tambahkan paginasi berbasis cursor menggunakan cursor timestamp created_at. Tunjukkan route yang diperbarui, fungsi pembantu baru, dan query SQL. Jelaskan alasan Anda sebelum menulis kode.

Teka-teki debugging sulit

Fungsi async Python mengambil URL secara bersamaan dengan asyncio.gather. Di bawah beban, kadang muncul RuntimeError: Session is closed. Session dibuat sekali di level modul. Jelaskan setiap penyebab yang mungkin, urutkan berdasarkan kemungkinan, dan tulis implementasi yang diperbaiki untuk menghilangkan kondisi balapan.

Rencana agen multi-langkah

Anda memiliki akses ke terminal bash, interpreter Python, dan kemampuan membaca serta menulis file. File CSV bernama sales.csv memiliki kolom: date, region, product, revenue. Rencanakan dan jalankan langkah-langkah untuk menghasilkan laporan ringkasan yang menunjukkan total pendapatan per wilayah dan produk teratas per wilayah, lalu simpan sebagai report.md.

Bandingkan dengan

DeepSeek V4.1 Flash
Model dengan bobot terbuka
konteks 1,048,576 token · $0.04/M input, $0.68/M output
DeepSeek V4 Flash 0423
Model dengan bobot terbuka
konteks 1,048,576 token · $0.09/M input, $0.18/M output
DeepSeek V4 Pro 0813
Model dengan bobot terbuka
konteks 1,048,576 token · $1.32/M input, $3.96/M output
DeepSeek V4 Pro 0423
Model dengan bobot terbuka
konteks 1,048,576 token · $0.96/M input, $1.91/M output

Model teks lain dari deepseek

Pertanyaan yang sering diajukan

Apakah bobot terbuka dan bisakah saya menjalankan ini secara lokal?: Ya — bobot ada di Hugging Face di deepseek-ai/DeepSeek-V4-Flash-0731. Hosting sendiri membutuhkan perangkat multi-GPU yang mampu menangani model MoE 284B parameter; contoh DeepSeek menggunakan node 4×GB300 dengan vLLM.
Berapa biaya dan berapa besar konteksnya?: Melalui API, harganya $0,02 per juta token input dan $0,64 per juta token output, dengan jendela konteks 1.048.576 token.
Apa perbedaan dengan DeepSeek V4 Pro?: V4 Flash 0731 hanya mengaktifkan 13B parameter dibandingkan jumlah aktif V4 Pro yang lebih besar, namun mengungguli V4 Pro di setiap benchmark agen dalam perbandingan yang dipublikasikan DeepSeek, menjadikannya pilihan lebih baik untuk beban kerja agen pengkodean dengan biaya inferensi lebih rendah.

Putusan Kapten
Kasus langka di mana tingkat 'flash' benar-benar mengalahkan 'pro' pada tugas yang paling penting — pengkodean agen — dan biayanya jauh lebih murah untuk dijalankan.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #5 Hottest Text / LLM model · #5 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tren popularitas DeepSeek V4 Flash 0731

Skor panas sejak 31 Jul 2026

Skor panas

9,301°

Minggu ini

▲

18.4%

9,278° dulu, 9,301° sekarang

Bulan ini

▲

137%

9,185° dulu, 9,301° sekarang

Tahun lalu

n/a

Belum dirilis/dilacak

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,938°

Token OpenRouter

28,896,982,056,080 token diproses model ini melalui OpenRouter dalam 30 hari terakhir, termasuk prompt dan jawaban. Setiap 10,000,000 token dihitung sebagai satu unduhan dalam istilah unduhan, total 2,889,698; token hari terakhir masuk ke tingkat adopsi. Sumber: OpenRouter (openrouter.ai/rankings).

+363°

Tingkat adopsi

Sekitar 69,105 unduhan per hari, diukur antara dua pembacaan sumber, tidak pernah ditebak dari rata-rata seumur hidup. Kecepatan dihitung seperempat dari istilah unduhan, jadi lonjakan baru terlihat tanpa membiarkan lonjakan satu hari mengalahkan penggunaan bertahun-tahun.

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 9,301°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
2,889,698 setara unduhan secara total, dari Token OpenRouter. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,938°
8,938°
total berjalan
3
Tambahkan tingkat adopsi.
Sekitar 69,105 unduhan per hari sekarang, diukur antara dua pembacaan, dengan bobot seperempat.
+363°
9,301°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
9,301°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

DeepSeek V4 Flash 0731 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm deepseek penalaran pemrograman agen konteks panjang lokal

Jelajahi berdasarkan Keluarga Model