DeepSeek V4 Flash 对决 Gemini 3.6 Flash：分数打平，价格差 10 倍

太长不看： DeepSeek V4 Flash 0731 和 Gemini 3.6 Flash 在 Artificial Analysis Intelligence Index v4.1 上都落在 50 分，GPT-5.6 Luna 以 51 分领先一分。它们的标价跨度超过一个数量级。有意思的地方在于：当你不再对比价签，而是开始对比同一套评测工作负载的实际账单时会发生什么。Artificial Analysis 公布了它跑每个模型所付的钱：DeepSeek $72.02，Luna $190.87，Gemini $726.70。输出价签上的差距是 27x，实际账单上的差距是 10.1x，因为 DeepSeek 那次跑烧掉了 210M 输出 token，而 Gemini 只用了 59M。两个数字都在说：如果你的工作负载是文本，就选 DeepSeek；但一旦流水线要发送图像，这两个数字都撑不住。

太长不看：你该选哪个？

有两种理由可以读到这里就停下。如果你的工作负载会发送任何非文本输入，第二行就已经拍板，本文其余部分只是背景。如果你的工作负载是文本，且每月运行量在约 2000 万 token 以下，那么上表中最便宜和最贵选项之间的年度差额，比一天的工程时间还小，所以按延迟来选然后往下走就行。下文所有内容，都是写给账单大到值得争论的场景。

7 月 31 日到底改了什么

DeepSeek 在 2026-07-31 发布了 V4 Flash 的新版本，但没有改动模型本身。同样的 284B 总参数、同样的 13B 激活、同样的 1M 上下文、同样的 $0.14 / $0.28 定价。API 模型名也没变，仍是 deepseek-v4-flash，该版本在 DeepSeek 文档中标识为模型版本 DeepSeek-V4-Flash-0731。变的是后训练。

实测效果比「仅后训练」通常给人的印象要大得多。在 Artificial Analysis Intelligence Index v4.1 上，分数从 40 涨到 50。AA 的智能体评测 GDPval-AA v2 从 1189 Elo 升到 1559。Terminal-Bench 2.1 提升 17 个点，达到 79%。AA 还把 0731 版本排在 DeepSeek 自家旗舰 DeepSeek V4 Pro 之上 6 个点，这对任何按「Pro 处理难题」的假设写过路由规则的人来说都是个尴尬的结果。

我们也是这类人之一。我们五月的 DeepSeek V4 Pro 与 Flash 路由指南 得出结论：多文件工作和长智能体循环应交给 Pro。对 0731 版本而言，这个结论不再成立，诚实的说法是：Flash 现在是默认，Pro 是你需要拿出理由才用的例外。

权重上线得比谁说的都快。AA 的发布报道称完整权重预计在「未来几周」推出，多数二手报道至今仍在重复这句话。在 2026-08-01 核实时，Hugging Face 上的 deepseek-ai/DeepSeek-V4-Flash-0731 已经以 48 个 safetensors 分片、MIT 许可、无门槛的形式提供了该模型。如果你在别处读到 0731 只有 API，那大概只在一天左右的时间里是对的。

在数字开始堆叠之前，有一点值得先说清楚。Intelligence Index 是一个滚动排行榜，下文的一切都是 2026-08-01 的快照。请把排序当作耐久的事实，把绝对分数当作某一天的读数。

参数速览对比

有两行值得再看一眼。最大输出是个真正的分水岭：384K 对 64K，是「一次调用生成长文件」和「构建续写循环」之间的区别。而空着的延迟单元格并不是排版失误。AA 关于 0731 版本的供应商页面在 2026-08-01 快照时没有列出任何速度或首 token 时间数据，所以任何给你报某个每秒 token 数的人，报的都是别的东西。

基准全景：三个模型仅差一分

以下是 0731 版本的 AA 子项分数明细，凡是 AA 公布了四月版本对应数据的，都附上了差值。

Omniscience 这一行是大家会跳过的。AA 报告称，提升来自更少的幻觉，而非知道得更多，准确率持平。对于一个你即将接入生产流量的模型来说，「更少出错」比「知道更多」是更有用的升级，而这恰恰是单一综合分会掩盖的那类东西。

这里有两条来源说明，因为这次发布不止一套数字在流传。

DeepSeek 自己的发布材料报告 Terminal-Bench 2.1 为 82.7、DeepSWE 为 54.4、Cybergym 为 76.7。Artificial Analysis 报告的 Terminal-Bench 2.1 是 79%。两者都可能是对的；测试框架、脚手架和努力档位各不相同，而且快照时并没有第三方复现过 DeepSWE 和 Cybergym 的数字。我们全程采用 AA 的数字，因为在这里的三个模型上，只有它是用同一种方式测出来的。如果你在别处看到有人引用 82.7，那是厂商自己的测试框架，并非矛盾。

另一条：附在多数目录页（包括我们的）上的 DeepSeek V4 Flash 的 LMArena 分数显示为 Overall 1438、排名七十几，更新于 2026-07-12。它比 0731 版本早了十九天，测的是四月的模型。新版本的 Arena 分数需要新的投票，在那之前，任何对比页面上「DeepSeek V4 Flash」旁边的那个数字，描述的都是一个在 AA 上低 10 分的模型。

啰嗦税：为什么价签差距不等于账单差距

对这两个模型的每一篇对比都以 $0.14 对 $1.50 开头，然后就停在那里。这个比例是真实的，但它也是本文里最不可靠的数字，因为它给一个 token 定价，而不是给一件工作定价。

Artificial Analysis 公布了更好的东西：它用同一套 Intelligence Index 跑每个模型时实际付了多少钱，连账单一起。

同一套评测，三张真实账单。Gemini 的花费是 DeepSeek 的 10.1x，Luna 是 2.7x。对照输出价格 27x 和 4.3x 的价签比例，这意味着 DeepSeek 纸面优势的大约 60% 在价格卡和账单之间的某处消失了。

消失去了 token 里。DeepSeek 在那套评测上花了 210M 输出 token，Gemini 只用了 59M，AA 将其标注为在同类中非常啰嗦。单把输出这一段按标价算，DeepSeek 是 $58.80，Luna 是 $156.00，Gemini 是 $442.50，这一段的差距是 7.5x。两张账单的构成也因此不同：输出约占 DeepSeek 那次花费的 82%，占 Gemini 的约 61%。这是一个为达到同样分数而写出三倍半文字的模型的特征。AA 不公布每个模型的输入 token 数，所以剩下的部分无法从公开数字进一步拆解。

你该按哪个数字来规划，取决于你的流量。以提示为主的工作负载会贴近输入比例 10.7x。以生成为主的工作负载会被啰嗦压向 7.5x。AA 的端到端数字 10.1x 落在两者之间，跑在一套本身就是混合的评测上，这也是为什么在预算评审里需要辩护的场景，用 10x 作默认比 27x 更靠谱。

关于这些 token 数有两点提醒。它们来自 AA 的最大努力和高努力配置，这是每个模型区间里最贵的那一端，而非典型的生产设定。而且啰嗦程度取决于工作负载；一套满是硬推理题的评测偏袒推理简短的模型，而你的抽取流水线不是那套评测。

关于 210M 的一条脚注，因为流传着两个 AA 数字。模型页面报告该次指数跑为 210M 输出 token；AA 的发布文章报告约 206M，同时还有个更有意思的事实：这比上一个 V4 Flash 版本花的（约 234M）少 12%。所以 0731 既比同类更啰嗦，又比自己的前代更省。我们全程用 210M，因为模型页面的数字是这里三个模型都以同一种方式公布的那个。

不过这个杠杆是真实存在的，而且只是一个开关。DeepSeek 文档列出 deepseek-v4-flash 同时支持非思考和思考两种模式，默认是思考模式，而推理 token 按输出计费。对于有界任务，关掉思考就是啰嗦税消失的地方。

在你自己的流量上测量

AA 的比例是个起点估计，不是你的数字。要拿到你自己的数字，只需在你真实提示的一个样本上跑一次，因为每个 OpenAI 兼容的响应都会带上你需要的 token 计数：

import collections
from openai import OpenAI

client = OpenAI(base_url="https://api.ofox.io/v1", api_key="YOUR_OFOX_API_KEY")

costs = {  # input, output, per 1M tokens
    "deepseek/deepseek-v4-flash": (0.14, 0.28),
    "google/gemini-3.6-flash": (1.50, 7.50),
    "openai/gpt-5.6-luna": (0.20, 1.20),
}
totals = collections.defaultdict(float)

for prompt in load_your_real_prompts():        # 50 is enough to see the shape
    for model, (pin, pout) in costs.items():
        u = client.chat.completions.create(
            model=model, messages=[{"role": "user", "content": prompt}]
        ).usage
        totals[model] += (u.prompt_tokens * pin + u.completion_tokens * pout) / 1e6

for model, spend in sorted(totals.items(), key=lambda kv: kv[1]):
    print(f"{model:32} ${spend:.4f} over the sample")

用五十条有代表性的提示，在三个模型上各跑一遍只花几分钱，能告诉你的东西比任何排行榜都多。有两点要注意。给 DeepSeek 分别在思考开启和关闭下各跑一次，因为这个开关对输出这一列的影响比模型选择还大。而且要从你实际的流量分布里取样，而不是取最难的用例，因为在硬推理题上测出的啰嗦比例，无法迁移到一队两行的分类任务上。

定价算账：两张真实的月度账单

以下所有价格均为厂商标价，快照日期 2026-08-01，按每 1M token 计。

场景 A，一个抽取流水线。 每月 200M 输入 token 和 10M 输出 token，无缓存，输出为短结构化。

输入占主导，所以这个场景紧贴输入价格比例：Gemini 的花费是 DeepSeek 的 12x，Luna 是 1.7x。注意 7 月 30 日的降价把 Luna 的位置改变了多少。按旧的 $1 / $6，同样的工作负载每月要 $260。

场景 B，一个编码智能体循环。 每月 100M 输入 token（缓存命中率 70%）和 40M 输出 token。

那张表把 token 数固定住了，这暗地里假设三个模型为做同一件工作会写出同样多的字。它们不会。改为固定工作量，并按指数跑的啰嗦比例来缩放输出，能给出同一个智能体循环更公平的画面：

DeepSeek 从便宜 23x 变成便宜 8x。决策不变，但你放进幻灯片的那个数字应该变。

关于 DeepSeek 这套算账更深入的版本，包括缓存未命中对真实账单的影响，见我们的 V4 Pro 成本拆解 和 DeepSeek V4 API 定价指南。

两个会左右你账单的定价细节

DeepSeek 即将引入高峰时段定价。 其定价文档里有一条脚注：API 将采用高峰/非高峰政策，高峰时段价格为常规价格的 2x，适用于所有计费项，生效日期待官方公告。高峰窗口为北京时间（UTC+8）09:00 到 12:00 和 14:00 到 18:00。

在假设它无害之前，先换算到你自己的时钟上。这些窗口落在美国东部时间 21:00 到 00:00 和 02:00 到 06:00，对于美国白天的工作负载正是半夜；落在中欧时间 03:00 到 06:00 和 08:00 到 12:00，会吃掉一个欧洲团队的整个上午。如果你在欧洲运行，而 DeepSeek 把它开起来，那么工作日的前半天你的 $0.14 会变成 $0.28。这仍然低于 Gemini，但已经不是你当初预算的那个数字。

你走哪条通道购买，可能和厂商标价不同。 OpenAI 在 2026-07-30 把 GPT-5.6 Luna 降价 80%，从 $1 / $6 降到 $0.20 / $1.20。通过 Azure 提供 Luna 的列表在 2026-08-01 快照时还没有变动，包括我们的，其中 openai/gpt-5.6-luna 是一条 Azure 通道，显示 $1 / $6 标价。同一个模型 ID，相差 5x，纯粹取决于你落到哪个上游。

那张表有两条脚注。我们的 Luna 列表在快照时正在跑一个 20% 的促销，把 Azure 通道拉到实际 $0.80 / $4.80，仍是 OpenAI 标价的四倍。而缓存读取那一列值得单独看一眼：在 Azure 的 DeepSeek 通道上，缓存读取和新鲜输入同价，这抹掉了这个模型最大的那项成本优势。

这张表教给你的通用规则是：查通道，而不是查模型名。某个实验室宣布的降价会立刻到达它自己的 API，其他人则各按各自的节奏。上面七行里有两行是同一个模型，价格却相差悬殊。

纯文本实际会让你付出什么

这次对比里最便宜的模型看不见东西。DeepSeek V4 Flash 0731 接受文本、调用函数、返回 JSON，同时讲 OpenAI 和 Anthropic 两种协议格式，就这些。Gemini 3.6 Flash 接受文本、图像、视频、音频和 PDF。GPT-5.6 Luna 接受文本和图像。

这不是靠提示工程或更大预算能弥补的质量差距。如果你的流水线要发送坏掉界面的截图、扫描的发票，或视频里的帧，DeepSeek 的调用不会以更高价格优雅降级，而是从结构上失败。对于这类工作，上面每一张成本表都变得无关紧要，这也是为什么模态那一行放在参数表靠上的位置，而不是埋在最底下。

一个常见的解法是把流量拆开：多模态请求发给 Gemini，其余全发给 DeepSeek，前面放一个路由器。这比只选一个模型要多干点活，但对于 90% 请求都是文本的流水线，通常在第一个月就能回本。

何时该选 DeepSeek V4 Flash 0731

有量的纯文本工作负载，账单是一项真实的支出。任何缓存命中率高的场景都受益尤其大，因为 $0.0028/M 的缓存读取相当于新鲜输入 98% 的折扣，是 50x 的降幅。长的单次生成也偏爱它：384K 最大输出是 Gemini 上限的六倍。它也是三者中唯一公布了权重的，在 Hugging Face 上以 MIT 许可发布，所以如果计划是先用 API 做原型、之后自托管，这一个是有路径的。

对有界任务关掉思考。它就是上面 $15.60 和 $44.16 两行之间的区别。

何时该选 Gemini 3.6 Flash

只要涉及非文本模态，价格还没进对话它就已经拍板了。还有当延迟对用户可见时：219.6 输出 token/秒让它在快照时的 AA 速度排名里位列 185 个模型中的第三，15.11 秒的首 token 时间对一个推理模型来说很快。以及当你希望你即将依赖的东西已经被第三方测过时，因为 AA 公布了 Gemini 的速度和延迟，却没有 0731 版本的。

批处理档被低估了。对于能容忍延迟的工作，$0.75 / $3.75 让 Gemini 与 DeepSeek 的有效距离减半。

何时该选 GPT-5.6 Luna

当你想在同一个模型上同时拥有三者中最高的指数分和视觉能力时，而这次降价 80% 让这个组合变得实惠，这在三周前还做不到。$0.20 / $1.20 的 Luna 在价格上现在更接近 DeepSeek 而非 Gemini，得分却比两者都高一分。

先查两件事。AA 测得的 121.89 秒首 token 时间是最大努力配置，而最大努力不是交互式设定；如果你在 UI 里用 Luna，就用更低的努力档。还要确认你的网关把你放到哪条通道上，因为降价前的 Azure 档是 OpenAI 标价的 5x。我们的 GPT-5.6 分档指南 讲了 Sol、Terra 和 Luna 如何分工。

何时三者都不是正确答案

如果你的工作负载很小，这一切都无所谓。在每月几百万 token 的量级上，这里最便宜和最贵选项之间的差别，相对于一小时工程时间只是舍入误差，你应该按能力来选然后往下走。

如果你在追求零成本，托管 API 就是错的工具。这个模型家族的免费和自托管路径是另一套单独的活，带着实打实的额度上限，见 DeepSeek V4 Flash 免费：四条零成本路径。那些路径是针对 0731 之前的版本核实过的，所以在依赖它们之前请重新核对额度。自托管路径此后有了变化：0731 权重现在已在 Hugging Face 上以 MIT 许可提供，所以免许可选项适用于当前版本，而非四月那个。

而如果这份活是深度多步的智能体工作、工具调用达到两位数，那么这三个 flash 档模型都不是明显合适的选择。那是前沿档的领地，诚实的答案是在你自己的轨迹上做基准测试，而不是在任何人的指数上。我们之前的 Gemini Flash Lite 对决 DeepSeek V4 Flash 智能体循环对比 讲解了工具调用可靠性在深度上如何改变这笔账。

通过 ofox 试用全部三个：在一个循环里做 A/B

三个都跑在一个 OpenAI 兼容的端点上，所以对比是换个字符串的事，而不是三套集成。模型 ID 分别是 deepseek/deepseek-v4-flash、google/gemini-3.6-flash 和 openai/gpt-5.6-luna。

Python

from openai import OpenAI

client = OpenAI(base_url="https://api.ofox.io/v1", api_key="YOUR_OFOX_API_KEY")

MODELS = [
    "deepseek/deepseek-v4-flash",
    "google/gemini-3.6-flash",
    "openai/gpt-5.6-luna",
]

prompt = "Refactor this function to remove the nested loop. Return only code."

for model in MODELS:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    u = r.usage
    print(f"{model:32} in={u.prompt_tokens:6} out={u.completion_tokens:6}")

记录 completion_tokens，而不只是延迟。那一列就是啰嗦差异在你自己流量上显现的地方，也是价签不会告诉你的那个数字。

Node

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.ofox.io/v1",
  apiKey: process.env.OFOX_API_KEY,
});

const models = [
  "deepseek/deepseek-v4-flash",
  "google/gemini-3.6-flash",
  "openai/gpt-5.6-luna",
];

for (const model of models) {
  const r = await client.chat.completions.create({
    model,
    messages: [{ role: "user", content: "Summarize this changelog in 3 bullets." }],
  });
  console.log(model, r.usage.prompt_tokens, r.usage.completion_tokens);
}

DeepSeek 跑不了的那次调用

同一个客户端、同一个端点，一个改变一切的内容块。把它发给 google/gemini-3.6-flash 或 openai/gpt-5.6-luna，你会得到答案。把它发给 deepseek/deepseek-v4-flash，则无论什么价格都不行。

import base64

img = base64.b64encode(open("screenshot.png", "rb").read()).decode()

r = client.chat.completions.create(
    model="google/gemini-3.6-flash",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "Which element is misaligned?"},
            {"type": "image_url",
             "image_url": {"url": f"data:image/png;base64,{img}"}},
        ],
    }],
)
print(r.choices[0].message.content)

备选方案

如果三个都不合适，值得看的邻居就在同一个端点上。DeepSeek V4 Pro 标价 $0.435 / $0.87（ofox 列表四舍五入为 $0.45 / $0.88），现在是 AA 指数上更贵且分数更低的那个兄弟，不过如果你有针对特定工作负载的证据表明它在你的轨迹上胜出，它仍是正确选择。GPT-5.6 Terra 在 flash 档确实不够用时排在 Luna 之上。在 ofox 目录之外，同样的模型可以从 DeepSeek、Google AI Studio 和 OpenAI API 第一方获得，如果你只需要一个厂商、并且想在降价当天就拿到而不是等通道跟上，那这是正确选择。

带实时定价的模型页面：DeepSeek V4 Flash、Gemini 3.6 Flash、GPT-5.6 Luna。

来源

• https://artificialanalysis.ai/articles/deepseek-v4-flash-0731-scores-50-on-the-artificial-analysis-intelligence-index-10-points-above-previous-deepseek-v4-flash
• https://artificialanalysis.ai/models/deepseek-v4-flash
• https://artificialanalysis.ai/models/gemini-3-6-flash
• https://artificialanalysis.ai/models/gpt-5-6-luna
• https://api-docs.deepseek.com/quick_start/pricing
• https://ai.google.dev/gemini-api/docs/pricing?hl=en
• https://docs.cloud.google.com/vertex-ai/generative-ai/docs/models/gemini/3-6-flash
• https://developers.openai.com/api/docs/pricing
• https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731