DeepSeek V4 Flash 0731：ARC-AGI 基准上的低成本高性能新星
DeepSeek 于 2026 年 7 月 31 日发布了其最新模型 DeepSeek V4 Flash 0731，该模型在 ARC-AGI 基准测试中展现出令人瞩目的性能与成本优势，迅速成为 Hacker News 上的热门话题（182 分，118 评论）。
核心亮点：性能与成本的平衡
根据官方公布的数据，在最大推理努力（Max effort）下，DeepSeek V4 Flash 0731 在 ARC-AGI-1 半私有测试集上取得了 89.0% 的准确率，而每个任务的成本仅为 $0.02；在更具挑战性的 ARC-AGI-2 半私有测试集上，准确率达到 61.4%，成本为 $0.04 每任务。这一性价比在同类模型中相当突出。
模型提供三种推理变体（Max、High、Low），以适应不同场景的需求。在官方公布的验证分数中，三种变体在 ARC-AGI-1 上的得分分别为 89.0%、87.0%、84.0%，在 ARC-AGI-2 上则为 61.4%、56.0%、46.0%。可以看出，推理强度越高，性能越强，但成本也随之增加。
任务级表现：细节中的差异
从官方披露的 ARC-AGI-2 公共评估数据（120 个任务）来看，模型在不同任务上的表现存在明显差异。例如，任务 135a2760、136b0064、16de56c4 等在 Max、High、Low 三种变体下均能通过，而任务 0934a4d8、13e47133 等则仅在部分变体下成功。这种细粒度的表现数据有助于开发者了解模型的强项与短板，从而在实际应用中做出更明智的决策。
行业背景与意义
ARC-AGI 基准旨在评估人工智能系统在抽象推理和泛化能力上的表现，被视为通往通用人工智能（AGI）的重要测试之一。DeepSeek V4 Flash 0731 的发布，不仅展示了其在推理能力上的进步，更通过极低的推理成本，降低了高性能 AI 应用的门槛，为开发者和企业提供了更具吸引力的选择。
值得注意的是，该模型在 ARC-AGI-2 上的得分（61.4%）明显低于 ARC-AGI-1（89.0%），这反映出更复杂的推理任务仍具挑战性，也说明当前模型与人类智能之间仍存在差距。但考虑到其成本效益，DeepSeek V4 Flash 0731 无疑是值得关注的模型之一。
小结
DeepSeek V4 Flash 0731 以其出色的性价比和灵活的推理配置，在 AI 社区中引起了广泛关注。对于希望在有限预算内获得强大推理能力的团队而言，这无疑是一个值得探索的选项。随着模型的正式发布和更多评测数据的公开，我们有望看到它在更多实际场景中的应用表现。
