權重開放嗎？我能本地運行嗎？

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.

本模型的指南

2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型

我到底需要多少 VRAM 才能在本地跑 AI？

開放權重、開源與僅API：你到底能做什麼

什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）

全部指南

船長筆記

由 Captain 撰寫，內部編輯

2026-10-13 的筆記

DeepSeek V4 Flash 0731 是 DeepSeek 推出的稀疏專家混合模型，活躍參數 130 億，總參數 2840 億，專為編碼、推理與代理工作流程打造。正式版較預覽版大幅提升，儘管活躍參數較少，仍在多項代理基準測試中擊敗 DeepSeek V4 Pro。適合想以低 API 價格獲得前沿代理與編碼性能的開發者，或想自托管嚴肅 MoE 模型者。

以...聞名

強大代理編碼能力：DeepSWE、NL2Repo 與終端基準高分
百萬標記上下文窗口，適合大型代碼庫與長期代理會話
內建 DSpark 推測解碼，搭配 vLLM 加速推理
可調推理強度：每次呼叫可選低、中、高三種
權重開放於 Hugging Face，可在多 GPU 硬體與 vLLM 上運行

注意

無標準 Jinja 聊天模板，必須使用 DeepSeek 自訂編碼腳本正確格式化提示。
2840 億總參數需強大多 GPU 硬體自托管，非筆電可用。
輸出標記成本為輸入的 32 倍，冗長代理運行成本迅速累積。

最適合

可嘗試的提示詞

自主倉庫任務

你在一個 Python 倉庫工作，包含 Flask API 與 PostgreSQL 後端。/users 端點回傳 users 表所有資料，但無分頁。請新增基於 created_at 時間戳的游標分頁，展示更新後路由、新輔助函式與 SQL 查詢，並先解釋設計思路。

困難除錯謎題

一個 Python 非同步函式使用 asyncio.gather 並行抓取 URL，負載高時偶爾拋出 RuntimeError: Session is closed。該 session 在模組層級只建立一次。請逐一分析可能原因，依可能性排序，並撰寫修正後消除競態條件的實作。

多步驟代理計畫

你可使用 bash 終端、Python 直譯器，並讀寫檔案。有一個 sales.csv，欄位為日期、區域、產品、營收。請規劃並執行步驟，產出按區域總營收與該區最佳產品的摘要報告，並儲存為 report.md。

比較

DeepSeek V4.1 Flash
開放權重模型
1,048,576 代幣上下文 · $0.04/M 輸入，$0.68/M 輸出
DeepSeek V4 Flash 0423
開放權重模型
1,048,576 代幣上下文 · $0.09/M 輸入，$0.18/M 輸出
DeepSeek V4 Pro 0813
開放權重模型
1,048,576 代幣上下文 · $1.32/M 輸入，$3.96/M 輸出
DeepSeek V4 Pro 0423
開放權重模型
1,048,576 代幣上下文 · $0.96/M 輸入，$1.91/M 輸出

更多來自 deepseek 的文字模型

常見問題

權重開放嗎？我能本地運行嗎？: 是的，權重托管於 Hugging Face deepseek-ai/DeepSeek-V4-Flash-0731。自托管需多 GPU 硬體，DeepSeek 自身範例使用 4×GB300 節點搭配 vLLM。
價格及上下文大小？: API 價格為每百萬輸入標記 0.02 美元，每百萬輸出標記 0.64 美元，上下文窗口為 1,048,576 個標記。
與 DeepSeek V4 Pro 有何不同？: V4 Flash 0731 僅啟用 130 億參數，遠低於 V4 Pro，但在 DeepSeek 公布的代理基準中全面超越 V4 Pro，是編碼代理工作負載的更佳選擇且推理成本更低。

船長評語
罕見案例：『Flash』級別在重要任務（代理編碼）上實際勝過『Pro』，且運行成本僅為其一小部分。

Hugging Face 上的模型卡

船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。

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

DeepSeek V4 Flash 0731 熱度趨勢

熱度分數，自 31 Jul 2026 起

熱度分數

9,301°

本週

▲

18.4%

9,278° 當時，9,301° 現在

本月

▲

137%

9,185° 當時，9,301° 現在

過去一年

n/a

尚未發布/追蹤

7,000°

基準值

分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們會有一個替代數字，讓列表保持完整。7,000° 是有測量數據開始的地方：有真實數據但幾乎沒下載的模型會在基準值，之後的度數才是測量結果。基準值本身不代表模型好壞，只有基準值以上的度數才會區分模型。

+1,938°

OpenRouter 代幣

此模型在過去30天內透過 OpenRouter 處理了 28,896,982,056,080 代幣，包含提示和回答。每 10,000,000 代幣算作一次下載，共 2,889,698 次；最後一天的代幣會加入採用率。來源：OpenRouter (openrouter.ai/rankings)。

+363°

採用率

大約每天 69,105 次下載，根據兩次來源讀取間的變化計算，不是用整個生命週期平均。速度佔下載項目的四分之一，能反映新熱潮，但不會讓一天的爆量超過多年累積。

顯示詳細分析

這個網站上的每個數字都可以查證。這個模型的熱度分數是 9,301°，這裡會一步步拆解它的組成，每加一項就會顯示目前的總分：基準值、每個來源增加的度數、模型類型的加分，以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。

1
從基準值開始。
為什麼是 7,000° 而不是零：分數範圍是 0° 到 9,999°，低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們有替代數字，讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡；之後的度數是測量結果，基準值以上有十個十倍下載的階段，每階段增加 300°。基準值對所有模型都一樣，不會決定排名；真正區分模型的是基準值以上的度數。
7,000°
累計總和
2
加入下載量。
總共 2,889,698 個下載等值，來自 OpenRouter 代幣。下載量增加十倍會增加相同的 300°，所以大小很重要，但不會主導分數。
+1,938°
8,938°
累計總和
3
加入採用率。
目前大約每天 69,105 次下載，根據兩次讀取間的差異計算，權重是下載量的四分之一。
+363°
9,301°
累計總和
=
熱度分數。
這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。
9,301°

詞彙表：這裡使用的術語

熱度分數: 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
底線: 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
下載等值: 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度: 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數: 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
採用率: 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算: 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
種子節點: 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde: 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
生成網站: 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
OpenRouter 代幣: 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（檢查點）: 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
LoRA和嵌入: 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重: 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡: 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
家族加成: 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
替代分數: 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
全新！(寬限期): 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
趨勢: 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
典型模型: 目錄中的中間值：一半模型在該期間成長較快，一半較慢。