V4.1 Flash 上线、V4 Pro 官宣下线：0731 版用户到底该不该连夜迁移？

两条消息几乎同时砸到了 DeepSeek 开发者的头上：V4.1 Flash 正式发布——它属于全新模型结构系列，原生多模态视觉，是 0731 之后架构意义上真正的“换代”产品；另一边，V4 Pro 服务被官宣推迟到 9 月 14 日下线，而回顾整个 V4 产品线，Pro 自始至终只以 Preview 形态存在过 API，从未有过正式版。

于是问题被拆成了两层：Pro 用户是“被迫迁移”，没有选择权；而已经跑在 DeepSeek-V4-Flash-0731 上的用户面对的是“主动迁移”——0731 的 API 权重、开源推理栈和编码工具链都是完整的，V4.1 Flash 官方 API 则仍在灰度推进。要不要连夜把模型名换掉，取决于能力、价格、迁移成本这个三角的实测账。本文基于官方仓库源码、社区公开情报和第三方实测，把这笔账算清楚。

一、时间线：从 4 月 24 日到 V4 Pro 下线的四个节点

把散落各处的公告和媒体报道串起来，V4 生态的版本演进只有四个关键节点：

时间	事件	关键信息
2026-04-24	V4 系列预览版发布	官方公众号《DeepSeek-V4预览版：迈入百万上下文普惠时代》，同步更新 API 定价体系：输入输出 2.5 折基础上，命中缓存的输入再打 1 折（即“折上折”，且缓存折扣不设时限）
2026-07-24	旧模型命名退役	deepseek-chat、deepseek-reasoner 等旧模型名停用，统一切到 deepseek-v4-pro / deepseek-v4-flash 新命名体系
2026-07-31	V4-Flash 正式版 0731 上线	官方更新日志明确：仅升级 Flash API，App 与网页端不变；V4-Pro 正式版“将会尽快发布”；原生支持 Responses API 并针对 Codex 适配
9 月上旬	V4.1 Flash 发布，V4 Pro 定档 9 月 14 日下线	V4.1 Flash 官方 API 以灰度形式开放接入，社区总结为“只需改模型名”；V4 Pro 服务下线时间被官宣推迟至 9 月 14 日

两个细节值得注意。第一，0731 的“0731”就是发布日期本身，官方对命名非常克制：版本号即日期戳。第二，7 月 24 日的旧名退役是一次“无声的强制迁移”——社区当时大量 404 报错，核心原因就是有人把模型名写死在配置里。这次 V4 Pro 的下线重演了同样的剧本，区别只是时间被提前官宣，留出了缓冲窗口。

二、三版本并存期的官方口径：Pro 从来就没有“正式版”

这是理解整件事的前提，也是社区里最容易混淆的一点。

翻看 0731 仓库的 README.md，官方给出的基准对比表本身就说明了一切——

Benchmark	V4-Flash-0731	V4-Flash (Preview)	V4-Pro (Preview)	GLM-5.2	Opus-4.8
Terminal Bench 2.1	82.7	61.8	72.1	81.0	85.0
NL2Repo	54.2	39.4	38.5	48.9	69.7
Cybergym	76.7	38.7	52.7	-	83.1
DeepSWE	54.4	7.3	12.8	46.2	58.0
Toolathlon-Verified	70.3	49.7	55.9	59.9	76.2
Agents' Last Exam	25.2	15.8	16.5	23.8	25.7
AutomationBench Public	25.1	10.8	12.8	12.9	27.2

注意表头：对比对象写的是 V4-Pro (Preview)，官方口径是 0731 以“远小于 Pro 的激活参数量”全面超过它。也就是说，Pro 线的最终归宿不是“正式版上线”，而是被自家 Flash 反向超越后整线下线。7 月 31 日社区媒体当时的判断（“本次仅升级 Flash API，Pro 正式版还没发布”）在三个月后应验了。

官方对三条线的定位可以概括为：

• V4 Pro：只以 Preview 形态存在的“高配”线，输出价约 6 元/百万 tokens（7 月 31 日公开价格），现在已定档下线，没有正式版接盘；
• V4-Flash 0731：低成本 Agent 基座，缓存命中输入约 0.02 元/百万 tokens、未命中输入 1 元、输出 2 元，是 7 月正式版升级 + Responses API + Codex 适配的落地产品；
• V4.1 Flash：全新模型结构系列中最小尺寸的型号，552B 参数 MoE、输入激活仅 8B、输出激活 16B，采用 Causal-Encoder-Decoder 结构并原生支持多模态视觉理解，API 以灰度方式开放。

对 API 用户来说命名链条是：deepseek-chat/deepseek-reasoner（7 月 24 日退役）→ deepseek-v4-flash（0731）→ V4.1 Flash 新标识。7 月那轮退役教训很直接：模型名不要写死，要做成可配置项。

三、0731 的成色：源码级看它凭什么“还能打”

判断要不要迁走，先要知道你现在站的地方有多稳。0731 不是一个小修补版本，仓库里的工程信息量很大。

架构与量化配置。 config.json 显示：43 层、256 个路由专家 + 1 个共享专家、每 token 激活 6 个，max_position_embeddings 为 1048576（1M 上下文），rope_scaling 采用 YaRN 从 64K 外推 16 倍；注意力侧 num_key_value_heads 只有 1 并配合 sliding_window: 128，compress_ratios 在 43 层中绝大多数层为 128——这是它敢开百万上下文的底层原因。精度上 expert_dtype 为 fp4，其余权重 fp8（quant_method: fp8，128×128 block scale）。inference/README.md 也确认：本地转换权重时默认 fp4，若要 fp8 需要去掉 config 里的 "expert_dtype": "fp4" 并在 convert.py 中改 --expert-dtype fp8。

DSpark 投机解码是随权重一起发布的。 0731 的 README 明确说它与 DSpark 版“模型结构相同，附带投机解码模块”。config.json 中 dspark_target_layer_ids: <a href="https://link.gitcode.com/i/45d71e04e020c2eea0801a6090e31abb" target="_blank">40, 41, 42]、dspark_block_size: 5、dspark_markov_rank: 256，对应 [inference/model.py 里的 Markov head 与置信度头实现。部署侧只多一个 flag：

vllm serve deepseek-ai/DeepSeek-V4-Flash-0731 \
  --trust-remote-code --kv-cache-dtype fp8 --block-size 256 \
  --data-parallel-size 4 --enable-expert-parallel \
  --moe-backend deep_gemm_mega_moe \
  --speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}'

也就是说 target 和 draft 权重来自同一个 checkpoint，不需要额外部署 draft 模型——这对自建推理集群的迁移成本是实打实的加分项。

编码层没有 Jinja 模板，这是一个容易被忽视的迁移成本。 0731 不提供 Jinja 格式 chat template，而是用独立 encoding/ 目录给参考实现：工具调用走自定义 DSML 格式（<｜DSML｜tool_calls> 块），reasoning_effort 三档（low/high/max）纯粹是通过在 prompt 开头拼接不同前缀文本实现的（见 encoding/encoding_dsv4.py 中 REASONING_EFFORT_PROMPTS 的使用），chat 模式下 reasoning_effort 直接无效。官方甚至明确警告：parse_message_from_completion_text 只处理格式良好的输出，“生产环境建议自行增加错误处理”。如果你已经为 0731 写过这层 glue code（自定义 tokenizer 管道、DSML 解析、思考块剥离），换到 V4.1 后这套逻辑必须逐条回归验证——这才是“换模型名”背后真正的工程工作量。

官方推荐参数也值得记在迁移文档里：temperature = 1.0，Agent 场景 top_p = 0.95、其他场景 top_p = 1.0；high/max 推理档建议最大输出长度 384K tokens。README 还注明，Code Agent 类基准是用 DeepSeek Harness 极简模式 + max 档评测的——跑分与真实体验之间的差距，取决于你自己的 Harness 和路由策略。

四、V4.1 Flash：是补丁还是换代？

0731 相对预览版的升级是“同结构、重后训练”；V4.1 Flash 则是换了结构系列，这是性质不同的两代产品：

1. 原生多模态视觉。官方公告口径为全新 Causal-Encoder-Decoder 结构，552B 参数 MoE，输入激活 8B、输出激活 16B。而 0731 的权重里没有任何视觉分支——config.json 里是纯语言模型结构。如果你的产品路线里有“读截图、看 UI、分析图表”，0731 给不了，V4.1 Flash 是 Flash 线里第一个给得了的。
2. 基准差距被显著压缩。多家媒体援引彭博研报称，V4.1 Flash 带动中美顶尖模型跑分差距缩至 3%。注意这是研报口径的社区转述，官方尚未在仓库放出与 0731 的逐项对打表，迁移决策不应把它当成已验证的增量。
3. 部署侧出现单机化信号。社区实测显示 V4.1 Flash 基础模型约 113.6GB，可在单台 DGX Spark 上运行；第三方订阅服务已将其列入模型池，并引入 Peak/Off-Peak 分时计价。相比之下，0731 官方给出的 vLLM 参考配置是单台 4×GB300 节点——两者对自建集群的硬件画像完全不同。
4. API 接入成本极低，但仍在灰度。多方实测的结论一致：在已有 DeepSeek API 集成的基础上，只需替换模型标识即可完成切换，OpenAI 兼容 SDK、流式输出、参数调优逻辑不变。代价是灰度阶段的资格与配额不确定，官方 API 定价细则也在逐步放出中。

五、迁移收益测算：能力 × 价格 × 成本

把上面信息压成一张决策矩阵：

维度	留在 0731	迁往 V4.1 Flash
能力	1M 上下文、FP4/FP8、DSpark 投机解码、Agent 跑分经过完整验证（Terminal Bench 2.1 82.7）	新增原生视觉、新结构系列、跑分差距进一步收窄（研报口径，待官方对打表）
价格	已公开：输入 1 元 / 输出 2 元 / 缓存命中 0.02 元（每百万 tokens）	官方细则逐步放出中；社区观察其延续 Flash 低价线，第三方渠道已见分时计价
API 迁移成本	-	低：换模型名 + 回归测试；7 月旧名退役的 404 教训说明要留配置化开关
自建部署成本	-	高：新 checkpoint（基础模型约 113.6GB）、需确认 vLLM/SGLang 对新结构的支持进度
编码 glue code	已为 DSML/自定义 thinking 块写好	需按 V4.1 消息格式重新验证（0731 无 Jinja 模板，解析逻辑是手写的）

分人群给结论：

在 V4 Pro 上的用户：不要等，9 月 14 日前迁完。 服务下线是硬约束，且 Pro 没有正式版接盘，官方给出的承接方向就是 Flash 线。迁移目标选 V4.1 Flash 还是留守 0731，按任务类型定：纯文本 Agent/代码任务两者都可用，涉视觉则只能选前者。

在 0731 API 上的用户：不需要连夜迁，但建议两周内做完影子流量灰度。 0731 的 API 没有下线公告，跑分是经过完整验证的基线，而 V4.1 Flash 的官方 API 仍在灰度、定价与配额细则未完全落地——此刻把生产流量整体切过去，是用“已验证”换“未完全验证”。合理的节奏是：配置层先把模型名做成可切换项，灰度 10%–20% 流量跑 1–2 周，重点盯三类指标——工具调用成功率（DSML/Responses 两条格式路径的差异）、长任务端到端完成率、单价（含缓存命中率的实际变化）。有视觉需求线的业务可以直接跳过观察期。

自建部署 0731 的团队：按项目排期，不要按夜间排期。 这不是改配置，是换 checkpoint + 换引擎支持 + 重写一部分编码 glue code 的组合工程：先验证推理引擎对 V4.1 新结构的支持状态，再评估 113.6GB 基础模型在现有 GPU 池（或单台 DGX Spark 这类新硬件画像）上的落位，最后回归 DSML 解析与 reasoning_effort 前缀逻辑在新格式下的行为。0731 的 DSpark 单 flag 投机解码配置（{"method":"dspark",...}）在新权重上能否沿用，需要以新版官方部署文档为准。

最后说风险。7 月 24 日旧名退役时，社区最痛的不是模型能力变化，而是写死的模型名 + 没有回归测试。这次 V4 Pro 下线提前官宣，其实已经给了最友好的信号——但 V4.1 灰度期同样存在配额收紧、定价调整的可能。迁移的正确姿势始终是：配置化模型名 → 影子流量 → 双跑对比 → 灰度放量，四步走完再谈“下线旧模型”。0731 不是弃坑，V4.1 Flash 也不是无条件更优——在视觉能力和下一代结构面前它落后，在已验证性和部署成熟度上它仍占优。连夜迁移解决的是焦虑，分阶段迁移解决的才是问题。