Czy wagi są otwarte i czy mogę uruchomić ten model lokalnie?

Tak — wagi są na Hugging Face pod deepseek-ai/DeepSeek-V4-Flash-0731. Samodzielne hostowanie wymaga sprzętu multi-GPU zdolnego obsłużyć model MoE o 284B parametrach; przykład DeepSeek używa węzła 4×GB300 z vLLM.

Ile kosztuje i jak duży jest kontekst?

Przez API kosztuje 0,02 USD za milion tokenów wejściowych i 0,64 USD za milion tokenów wyjściowych, z oknem kontekstu 1 048 576 tokenów.

Czym różni się od DeepSeek V4 Pro?

V4 Flash 0731 aktywuje tylko 13B parametrów w porównaniu do większej liczby w V4 Pro, a mimo to przewyższa V4 Pro we wszystkich benchmarkach agentowych opublikowanych przez DeepSeek, czyniąc go lepszym wyborem do zadań agentowych i kodowania przy niższym koszcie inferencji.

▲

18.4%

ten tydzień

DeepSeek V4 Flash 0731

9301°

#llm #deepseek #rozumowanie #kodowanie #agenci #długi kontekst

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

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.

Poradniki do tego modelu

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Otwarte wagi vs otwarte źródła vs tylko API: co naprawdę możesz robić

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

DeepSeek V4 Flash 0731 to model sparse mixture-of-experts od DeepSeek z 13B aktywnych parametrów wybranych z puli 284B, stworzony do kodowania, rozumowania i workflow agentów. Wersja GA znacznie poprawia podgląd, przewyższając DeepSeek V4 Pro w kilku benchmarkach agentowych mimo znacznie mniejszej liczby aktywnych parametrów. Pasuje do deweloperów chcących wydajności klasy frontowej w agentach i kodowaniu przy niskiej cenie API lub chcących samodzielnie hostować poważny model MoE.

Znany z

Silne kodowanie agentowe: wysokie wyniki w DeepSWE, NL2Repo i benchmarkach terminalowych
Okno kontekstu na 1 mln tokenów dla dużych baz kodu i długich sesji agentów
Spekulatywne dekodowanie wbudowane przez DSpark dla szybszej inferencji na vLLM
Regulowany wysiłek rozumowania: niski, wysoki lub maksymalny na wywołanie
Otwarte wagi na Hugging Face, możliwe do uruchomienia na multi-GPU z vLLM

Uważaj na

Brak standardowego szablonu czatu Jinja; musisz używać własnych skryptów kodowania DeepSeek do poprawnego formatowania promptów.
284B całkowitych parametrów oznacza, że samodzielne hostowanie wymaga poważnego sprzętu multi-GPU — to nie jest model na laptopa.
Tokeny wyjściowe kosztują 32 razy więcej niż wejściowe; długie sesje agentów z rozbudowanym outputem szybko się sumują.

Najlepszy do

Kodowanie

Agenci i użycie narzędzi

Rozumowanie

Długi kontekst

Działa lokalnie

Podpowiedzi do wypróbowania

Autonomiczne zadanie w repozytorium

Pracujesz w repozytorium Pythonowym z API Flask i backendem PostgreSQL. Endpoint /users zwraca wszystkie wiersze z tabeli users, ale nie ma paginacji. Dodaj paginację opartą na kursorze z użyciem znacznika created_at. Pokaż zaktualizowaną trasę, nowe funkcje pomocnicze i zapytanie SQL. Wyjaśnij swoje rozumowanie przed napisaniem kodu.

Trudna zagadka debugowania

Funkcja async w Pythonie pobiera URL-e równolegle za pomocą asyncio.gather. Pod obciążeniem czasem pojawia się błąd RuntimeError: Session is closed. Sesja jest tworzona raz na poziomie modułu. Przeanalizuj wszystkie możliwe przyczyny, uporządkuj je według prawdopodobieństwa i napisz poprawioną implementację eliminującą wyścig.

Plan agenta wieloetapowego

Masz dostęp do terminala bash, interpretera Pythona oraz możliwość czytania i zapisywania plików. Plik CSV sales.csv ma kolumny: date, region, product, revenue. Zaplanuj i wykonaj kroki, aby wygenerować raport podsumowujący całkowite przychody według regionu i najlepszy produkt na region, a następnie zapisz go jako report.md.

Porównaj z

DeepSeek V4.1 Flash
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $0.04/M wejście, $0.68/M wyjście
DeepSeek V4 Flash 0423
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $0.09/M wejście, $0.18/M wyjście
DeepSeek V4 Pro 0813
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $1.32/M wejście, $3.96/M wyjście
DeepSeek V4 Pro 0423
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $0.96/M wejście, $1.91/M wyjście

Więcej modeli tekstowych od deepseek

Pytania, które ludzie zadają

Czy wagi są otwarte i czy mogę uruchomić ten model lokalnie?: Tak — wagi są na Hugging Face pod deepseek-ai/DeepSeek-V4-Flash-0731. Samodzielne hostowanie wymaga sprzętu multi-GPU zdolnego obsłużyć model MoE o 284B parametrach; przykład DeepSeek używa węzła 4×GB300 z vLLM.
Ile kosztuje i jak duży jest kontekst?: Przez API kosztuje 0,02 USD za milion tokenów wejściowych i 0,64 USD za milion tokenów wyjściowych, z oknem kontekstu 1 048 576 tokenów.
Czym różni się od DeepSeek V4 Pro?: V4 Flash 0731 aktywuje tylko 13B parametrów w porównaniu do większej liczby w V4 Pro, a mimo to przewyższa V4 Pro we wszystkich benchmarkach agentowych opublikowanych przez DeepSeek, czyniąc go lepszym wyborem do zadań agentowych i kodowania przy niższym koszcie inferencji.

Wyrok kapitana
Rzadki przypadek, gdzie warstwa 'flash' faktycznie przewyższa 'pro' w najważniejszych zadaniach — kodowaniu agentów — i kosztuje ułamek ceny.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Trend popularności: DeepSeek V4 Flash 0731

Wynik heat od 31 Jul 2026

Wskaźnik popularności

9,301°

Ten tydzień

▲

18.4%

9,278° wtedy, 9,301° teraz

Ten miesiąc

▲

137%

9,185° wtedy, 9,301° teraz

Ostatni rok

n/a

Jeszcze nie wydano/śledzono

7,000°

Podstawa

Skala idzie od 0° do 9 999°. Wszystko poniżej 7,000° jest zarezerwowane dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne. 7,000° to punkt startowy dla danych pomiarowych: model z prawdziwymi danymi, ale prawie bez pobrań, stoi na tej podstawie, a pomiary wypełniają stopnie powyżej niej. Podstawa nic nie mówi o modelu; to stopnie powyżej niej robią różnicę i to one rozróżniają modele.

+1,938°

Tokeny OpenRouter

28,896,982,056,080 tokenów przetworzonych przez ten model przez OpenRouter w ciągu ostatnich 30 dni, razem zapytania i odpowiedzi. Każde 10,000,000 tokenów liczy się jako jedno pobranie w terminie pobrań, łącznie 2,889,698; tokeny z ostatniego dnia wchodzą do wskaźnika adopcji. Źródło: OpenRouter (openrouter.ai/rankings).

+363°

Tempo adopcji

Około 69,105 pobrań dziennie, mierzone między dwoma odczytami źródeł, nigdy nie szacowane na podstawie średniej z całego czasu. Prędkość waży ćwierć składnika pobrań, więc świeży wzrost jest widoczny, ale jednodniowy skok nie przebije lat użycia.

Pokaż szczegóły

Każdą liczbę na tej stronie można sprawdzić. Wynik popularności tego modelu to 9,301°, a tutaj jest zbudowany krok po kroku, z bieżącym sumowaniem po każdym składniku: podstawa, stopnie dodawane przez każde źródło, bonus za rodzaj modelu oraz odejmowanie za wiek wag. Kolory odpowiadają zakresom na wykresie powyżej. Na końcu znajduje się słownik, który wyjaśnia każde pojęcie.

1
Zacznij od podstawy.
Dlaczego 7,000°, a nie zero: skala idzie od 0° do 9 999°, a część poniżej 7,000° jest zarezerwowana dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne i nigdy nie wyprzedzały modeli z danymi. 7,000° to punkt startowy dla danych pomiarowych. Model z prawdziwymi danymi, ale prawie bez pobrań, stoi tutaj; wszystko co dalej to pomiary, a przestrzeń powyżej podstawy mieści dziesięć dziesięciokrotnych kroków w pobraniach po 300° każdy. Podstawa jest taka sama dla każdego modelu, więc nic nie decyduje; decydują stopnie powyżej niej.
7,000°
bieżąca suma
2
Dodaj pobrania.
2,889,698 równoważników pobrań łącznie, z Tokeny OpenRouter. Dziesięć razy więcej pobrań dodaje ten sam 300°, więc rozmiar ma znaczenie, ale nigdy nie dominuje wyniku.
+1,938°
8,938°
bieżąca suma
3
Dodaj tempo adopcji.
Około 69,105 pobrań dziennie teraz, mierzone między dwoma odczytami, z wagą ćwierć pobrania.
+363°
9,301°
bieżąca suma
=
Wynik heat.
Pozycja tego modelu na każdej liście na tej stronie. Nic innego tego nie zmienia.
9,301°

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Jak popularność tego modelu zmieniała się w porównaniu do reszty katalogu: jego wzrost w pobraniach, polubieniach i użyciu w każdym okresie, mierzony względem typowego wzrostu modelu w tym samym czasie, wraz z jego wynikiem heat score. Powyżej typowego wzrostu oznacza wzrost, poniżej spadek. Przeszłość jest odtwarzana na podstawie dzisiejszych sum, pierwszego dnia modelu i zmierzonej prędkości pobrań, jeśli są dwa odczyty; model, który nie istniał na początku okresu, pokazuje n/d.

Podobne modele

Qwen3 Coder 30B A3B Instruct

Modele AI do generowania obrazów, wideo i tekstu

DeepSeek V4 Flash 0731 to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm deepseek rozumowanie kodowanie agenci długi kontekst lokalny

Przeglądaj według rodziny modeli