DeepSeek V4 Flash 0731

Überblick

DeepSeek-V4-Flash-0731 ist kein neues Modell, sondern ein neu post-trainierter Build von V4-Flash: identische Architektur (284B gesamt / 13B aktiv, MoE mit Hybrid Attention), identischer Preis, aber deutlich anderes Verhalten. Veröffentlicht am 31.07.2026, zunächst API-only, kurz darauf auch als offene Gewichte unter deepseek-ai/DeepSeek-V4-Flash-0731 (MIT).

Der Zugewinn liegt fast vollständig im agentischen Bereich. Artificial Analysis misst den Intelligence Index mit 50 gegenüber 40 für den April-Preview — laut AA damit unter den drei stärksten Open-Weight-Modellen.

Use Cases

• Agentisches Coding und Tool-Orchestrierung: der eigentliche Grund für diesen Build. Terminal-Bench 2.1 springt von 62 auf 79 % (AA-Messung), DeepSWE von 7,3 auf 54,4 % (Herstellerangabe).
• Long-Horizon-Workflows mit vielen Tool-Aufrufen bei 1M-Kontext
• Durchsatzstarke Agenten-Flotten — 2.500 gleichzeitige Requests, ein Drittel des V4-Pro-Preises
• Self-Hosting, wo V4 Pro an der Hardware scheitert

Stärken & Grenzen

• Stark: Der Sprung bei agentischen Benchmarks ist ungewöhnlich groß für ein reines Post-Training. Nach Herstellerangaben überholt 0731 damit sogar das eigene Flaggschiff V4 Pro auf mehreren Agent-Benchmarks.
• Stark: Nach wie vor sehr günstig — 0,28 $/1M Output, bei Cache-Hits 0,0028 $/1M Input.
• Stark: Halluzinationen sind messbar zurückgegangen: AA-Omniscience-Halluzinationsrate 84 % statt 95–96 %, Index −16 statt −23. Besser, aber weiterhin schwach.
• Grenze: Die Herstellerzahlen sind kaum überprüfbar. DeepSeek gibt selbst an, die Code-Agent-Tasks im „minimal mode of DeepSeek Harness" gemessen zu haben — diese Harness ist nicht veröffentlicht. Nur Terminal-Bench 2.1 wurde unabhängig nachgemessen, und AA kommt dort auf 79 % statt der angegebenen 82,7 %.
• Grenze: Reine Textmodalität, kein Bild-Input.
• Grenze: Faktenwissen bleibt die strukturelle Schwäche der Flash-Klasse — ohne Retrieval nicht für wissensintensive Fragen geeignet.
• Grenze: Kein belastbarer LMArena-Elo verfügbar; kursierende Werte auf Drittseiten widersprechen sich.

Praxis-Erfahrung

• Reasoning-Tiefe über reasoning_effort (Non-think / High / Max); Tool-Calling in vLLM über --tool-call-parser deepseek_v4.
• Die HF-Gewichte werden mit rund 304B statt 284B angegeben — die Differenz ist ein angehängtes Modul für Speculative Decoding, kein größeres Grundmodell.
• API-kompatibel zu OpenAI ChatCompletions und zum Anthropic-Interface. Max. Output 384K Tokens.

Hinweis: Diese Card beruht auf Herstellerangaben und externen Analyse-Seiten.

Gut zu wissen

• Lizenz: MIT, freie Gewichte auf Hugging Face, Community-Quantisierungen verfügbar (unsloth, GGUF, MLX)
• Architektur unverändert: 43 Layer, 256 Routed Experts + 1 Shared, 6 aktiv pro Token, FP4/FP8 gemischt
• Vorgänger-Card: „DeepSeek V4 Flash" (Preview vom 24.04.2026)

Achtung beim Vergleich: Artificial Analysis hat zwischen April und Juli 2026 die Version des Intelligence Index gewechselt. Die April-Werte (Flash 47, Pro 52) und die Juli-Werte (Flash 40, Flash-0731 50) stammen aus unterschiedlichen Index-Versionen und dürfen nicht gemischt werden. Dasselbe gilt für GDPval-AA gegenüber GDPval-AA v2.

Weitere Benchmarks

Quelle DeepSeek (offizielle Model Card, 0731) — jeweils mit dem April-Preview zum Vergleich:

• Cybergym 76,7 % (Preview 38,7) · Toolathlon verified 70,3 % (49,7) · DSBench-FullStack 68,7 % (37,0)
• DSBench-Hard 59,6 % (25,8) · DeepSWE 54,4 % (7,3) · NL2Repo 54,2 % (39,4)
• Agents' Last Exam 25,2 % (15,8) · AutomationBench Public 25,1 % (10,8)

Quelle Artificial Analysis: Intelligence Index 50 · 𝜏³-Banking 31 % · AA-Omniscience Index −16 · GDPval-AA v2 1559 (Elo)