7 月 31 日，DeepSeek 在 ARC Prize 官方榜单发布了 V4 Flash 0731 的验证成绩：在 ARC-AGI-1 Semi-Private 上以最大推理强度（Max）拿到 89.0%，每个任务成本仅 0.02 美元；在更难的 ARC-AGI-2 Semi-Private 上拿到 61.4%，单任务 0.04 美元。这个价格与精度的组合，让它在 Hacker News 上半天内冲到 409 分、244 条讨论。
三个推理档位，按需付费
V4 Flash 0731 提供 Max / High / Low 三档推理强度，验证分数随档位平滑下降：ARC-AGI-1 上为 89.0% / 87.0% / 84.0%，ARC-AGI-2 上为 61.4% / 56.0% / 46.0%。用户可以在”更高准确率”和”更低延迟成本”之间自行取舍，而不是被模型厂商替你做决定——这延续了 DeepSeek 一贯的开放定价思路。值得注意的是，官方尚未公布其在 ARC-AGI-3 上的成绩，社区对此猜测不一。
为什么这个成绩震动社区
一个月前，Kimi K3 还是榜单上令人眼前一亮的模型；如今 HN 用户 542458 感叹，同等性能已经降到二十分之一的价格，”这技术进步速度快得离谱”。另一位用户 minimaxir 则调侃了一个定价上的怪现象：Max 档反而比 High 档便宜。antirez（Redis 作者）提醒大家：价格不是好的衡量标尺，活跃参数数量（active parameters per token）才是，理想情况下应该用能耗（Joule）来比较——言下之意，低价可能来自架构上的稀疏激活，而不是魔法。
也有冷静的声音。muricula 指出，价格被 VC 补贴、规模效应和推理优化三重因素混淆，更有价值的对比是 ARC-AGI 分数对推理 FLOPs 或训练 token 数。Havoc 则提醒，DeepSeek 已经预告了涨价，现在这个”价格洼地”未必能维持多久。
技术分析：ARC-AGI 的意义
ARC-AGI 是衡量”抽象推理”的基准，任务对人类易如反掌、对传统 LLM 却极难，一直被视作通向通用智能的阶梯。能在 Semi-Private（半私有）测试集上拿到 89%，意味着模型面对未见过的推理任务时已经有了相当强的泛化能力。而 ARC-AGI-2 上的 61.4% 说明：当任务复杂度提升、干扰项增多时，模型的抽象能力仍有明显天花板。DeepSeek 用”按任务计价”的方式公布成本，也侧面展示了其推理系统在工程层面的效率——这是闭源巨头们不愿意披露的透明度。
社区反响
实际使用者的反馈颇为正面：LaurensBER 表示自发布以来几乎用它处理所有事务，”好用得足以应付几乎所有事情，便宜得让成本可以忽略”，甚至跑了两实例做”顾问”并行会话。但也有人指出中文模型普遍存在 token 消耗偏大的问题（esafak：”能用，但干同样的活要烧很多 token”）。整体来看，社区的情绪是：模型能力曲线正在以指数速度追赶，而价格曲线在以更快的速度下坠。
原文：ARC Prize: DeepSeek V4 Flash 0731 ｜ HN 讨论：news.ycombinator.com/item?id=49214008