DeepSeek V4 Flash投研能力首发实测！现已搭载AlphaEngine

作者 | 熵简科技 AlphaEngine AI团队

DeepSeek V4 Flash模型在7月31日终于从预览版升级为正式版。

本次模型的架构没有变化，仍然是总参数284B、推理时激活13B的MoE架构，原生支持100万Token上下文。

改变的是后训练，重点提升了模型的Agent与工具调用能力。

我们 AlphaEngine 团队第一时间用投研实战中最硬核的题目对它进行了全面测评，直接说结论：DeepSeek V4 Flash只用50分之一的成本，和海外旗舰模型几乎打成平手，拥有超高性价比。

图：AlphaEngine IRB投研能力测评结果

我们先看一下测评结果，最后我会说说DeepSeek V4 Flash 0731模型对AI产业发展的重要意义。

（1）深度测评 V4 Flash 投研能力的真实段位

为了系统化评估大模型的投研实战能力，我们在过去数年间持续收集、整理了一套"投研错题集"：IRB（Investment Research Benchmark）。

目前，IRB 已成为金融投研场景的权威 AI 测评基准，涵盖财务分析、定量推理、陷阱识别等 18 个核心领域，并从相关性、有用性、流畅性、连贯性等 8 大维度进行人机双盲评分。

本次测评中，DeepSeek V4 Flash 0731 与 OPUS-4.8、Claude Fable 5、GPT 5.5、Kimi K3 等模型同题作答，统一评分。

V4 Flash 总得分88.09，位列第5，仅次于Claude Opus 4.8（得分89.02）。作为对照，V4-Pro-Preview 均分 85.42，位列第 9。

值得注意的是，实测下来V4 Flash单任务花费仅0.06元，Opus 4.8为2.95元、Fable 5约8.40元。

换句话说，用海外旗舰模型Opus 4.8跑一个投研任务的费用，可以拿来用V4 Flash跑50个任务，二者回答结果相差不多。

图：IRB 8大维度测评比分

以下选取 3 道代表性题目，具体展示 DeepSeek V4 Flash 在投研任务上的能力表现。

题目一：博俊科技未来业绩增速（考察准确归因能力）

题面：拆分博俊科技过去收入和利润的增长来源，未来增速能否维持？小米等主机厂自建工厂有何影响？

面对一家过去三年高速增长的公司，模型最容易犯的错是把历史增速当成未来假设，进行线性外推。

Flash 0731首先把增长拆成两个来源：客户车型放量，以及从冲压件向白车身总成、一体化压铸延伸带来的 ASP 提升。

紧接着，它没有沿用旧增速做外推，而是把"全年增速能否维持"落到四个具体约束：压铸能否量产、新工厂爬坡进度、年降谈判结果、新增产能的折旧压力。

对"小米自建工厂"这个市场关注点，它的处理同样克制，明确指出公司并非小米的直接供应商，而是通过 Tier1 间接供货，随后再用 9100 吨压铸机、72 个零件合并为 1 个、840 个焊点减少这些事实，把它定性为中期的内制化示范风险，而不是渲染成当期收入冲击。

K3 与 Opus 4.8 的判断方向基本一致，都没有把小米内制化夸大成即时利空，而是把风险落在压铸放量、客户车型和折旧上。

在投研判断中，准确的归因是一切的起点。

这道题考察的不是模型能否算出增速，而是看模型能否做出正确的假设，并根据现实情况来调整或证伪原先的判断。

题目二：PCB 钻针需求测算（考察建模纪律）

题面：鼎泰高科的业绩测算是怎么推导的？比如假设AI机柜装机量为60GW，大概对应当年多少PCB钻针需求？钻针的供求关系如何？

这是产业链测算的硬题，要求把终端算力需求，一层层折算到上游耗材的利润。

Flash 0731（89.7 分） 重建了完整测算链：机柜出货量 → 单柜等价 PCB 板数与孔数 → 单针寿命 → 针型拆分 → 销量 × ASP × 净利率。

它分别推算出GB200、GB300 和 Rubin NVL144 的单柜耗针量，并解释了 Rubin 相对 GB300 价值量大幅上升的原因。

更关键的是对"60GW"的处理，V4 Flash没有把这个数字伪装成已知事实，而是说明缺少现成口径、给出推导框架、列出需要确认的关键参数。

在投研工作中，遵守建模纪律很重要。对于未知参数要做到诚实标注，而不能直接藏进假设中。

题目三：昇腾950超节点AI集群（考察错误假设识别）

题面：华为在西班牙推出支持浸没式液冷的昇腾950超节点AI集群，这对浸没式液冷行业有什么意义？这一环节最受益的公司有哪些？

这道题的陷阱不在答案里，而在问题本身。

提问预设了"昇腾 950 采用浸没式液冷"，而这个前提未必成立。

这是投研场景里最高频的一类风险。

有时用户会带着一个道听途说的技术判断来提问，模型如果直接顺着往下答，输出会显得非常专业，但整篇建立在一个错误的事实基座上，越流畅越有害。

Flash 0731 没有接受这个前提。

它从上下文定位到 950 的真实架构是“全液冷机柜 + NPU 独立冷板”，也就是冷板式，而非浸没式。

纠正之后，它才给出受益环节分层、订单兑现催化剂，以及可证伪条件，而不是把一串液冷公司罗列出来了事。

相比之下，其他模型有些没有识别出了 950 并非浸没式；有些识别出来后，纠正完就把它放下了。结果是当前技术事实与远期产业假设被压在同一层里，读者无法分辨哪部分是已发生的、哪部分是模型的推演。

（2）DeepSeek V4 Flash的核心短板

一份真诚的测评不应只讲优势，DeepSeek V4 Flash并非完美。

在一些题目上，V4 Flash的得分明显低于K3以及Opus 4.8，并且这些错误存在一定共性，我们来看这两道题。

题目四：市场回调复盘（考察时间确认及未来信息剔除）

题面：今天 11 月 21 日 A 股大跌，昨天美股跌，今天黄金、商品、中国国债也在跌。看似是流动性问题，有更具体的归因吗？

V4 Flash在这道题目上马失前蹄，只得了27.3分。

题目锁定 2025 年 11 月 21 日，但 Flash 整篇以 2026 年 6 月为时间锚：用"美国 5 月非农 17.2 万人"、"10 年美债 4.52%"、"6 月 8 日上证 -1.7%"搭建归因链，并据此建议止盈 AI 链、转向银行。

触发因素、行情数据、配置建议全部脱靶，而它的论证结构其实是通顺的，这才是最危险的地方。

相比之下，K3（93.0 分）的做法是以延迟公布的 9 月非农、12 月降息预期下降、AI 拥挤交易去杠杆解释跨资产同跌。

投研复盘的第一步不是补全宏观叙事，而是确认时间点并剔除未来信息，不然就算逻辑链条再通顺也是零分。

题目五：泡泡玛特终局测算（考察实体去重）

题面：请通过IP数量和单个IP的体量，测算泡泡玛特终局的收入和利润。

这题的失分方式很有代表性：Flash 的输出形态几乎是完美的，乍一看交付了一份很专业的测算报告，但遗憾的是，V4 Flash犯了两个关键错误。

首先，实体没有去重。V4 Flash把"星星人"和 Twinkle Twinkle 计成了两个独立 IP，而这本是同一个对象。

第二，口径混用。它在同一条验证链里同时使用了不同币种的可比公司收入。这些数字各自都成立，但不可放在一起交叉验证。

相比之下，K3（88.3 分） 先建立层级矩阵，超级 IP、头部 IP、腰部 IP、长尾授权分开处理，明确把 THE MONSTERS 与星星人列为不同对象，并把净利率假设单独列出而不是埋在计算里。

Opus 4.8（90.0 分） 则以有效 IP 数量与单 IP 收入分层，同时把商业模式差异作为可比性的校验条件。

一个错误的分类可能会使得测算结果成倍放大，而完整漂亮的情景分析表又会掩盖这个错误。

（3）V4 Flash的正确用法

过去两年，投研选模型几乎不用犹豫：挑最贵的那个就对了。

因为旗舰和非旗舰之间存在代际差，差的不是几分，而是"能不能用"，既然如此，token 贵几十倍也只能捏着鼻子用。

这次对V4 Flash的测评显示，模型之间的代际差正在松动。

V4 Flash 均分 88.09、位列第 5，很多题目上与 K3、Opus 4.8 只差 1-2 分。

在专业投研任务上，它明显越过了"可用"这条线。虽然性能差距依然存在，但不再是云泥之别。

从今往后，正确的使用方法是分层调用：少数难题用旗舰模型，多数普通任务用效率模型。

毕竟问一次Opus 4.8的成本，够你用V4 Flash问50次了。

（4）比模型跑分结果更重要的几件事

最后我想说几个比测评结果更重要的判断。

判断1：后训练的价值远比你想象的更大。

V4 Flash这次只是在原模型的基础上加强了后训练，就在投研这种高难度场景把均分推到 88.09、挤进前 5，同时把成本压到第一梯队的几十分之一。

与4月24日发布的DeepSeek V4 Pro Preview相比，V4 Flash的参数体量仅是它的不到20%，但能力评分大幅领先，这充分说明了后训练的价值。

在算力不占优的条件下，中国AI公司把"效率"这条路走出了纵深。

那么当算力约束松开的时候会发生什么？今天积累的效率优化不会因为算力变宽裕而作废，它会成为模型能力的乘数。

DeepSeek V4 Pro正式版即将在8月上线，可以预见的是其能力将得到进一步提升。

判断2：AGI应该像空气和水一样无处不在。

在通往AGI的道路上，中美的顶级AI公司走出了两条截然不同的道路。

Anthropic第一时间把Mythos模型锁进受控场景，不向公众开放，同时价格水涨船高，让用户望而却步。

相比之下，Kimi和DeepSeek则开源了模型权重以及技术报告，任何人都可以下载、部署、调用。

与此同时，中国AI公司通过算法优化，大幅降低了模型的推理成本，虽然对全球资本市场造成了一定冲击，但是对AI产业的长期发展而言，绝对是一剂良药。

KK 有一个观点我非常认同：最好的技术往往都是“隐形”的。

我们每天都在接触大量科技产物，无论是电灯、风扇、还是手机、导航。我们意识不到这些科技的存在，这恰恰意味着这些技术已经成功了。

我相信未来AI也将经历从“显形”技术逐渐走向“隐形”的过程，非常重要且无处不在，成为每个人生活中的一部分。

判断3：中国有较大概率成为这轮AI革命中的全球领导者。

回到第一性原理，AI长期比拼的是三件事：模型、芯片、能源。我们一项一项来看。

模型的背后，比拼的是人才、数据和算力。

在人才方面，中国有着得天独厚的优势：庞大的人口基数、普及的数理教育、有效的人才选拔体系，以至于硅谷都自嘲说，中美的AI竞争本质上是同一个人才池披着两件外衣在竞争。

在能源方面，中国的发电量位居全球第一，约等于美国、欧盟、印度之和，并且还在持续增长。

当美国要求AI企业签署自主供电协议的时候，中国可以大力推进AI新基建。

图：2025年各国发电量统计，AlphaEngine

归根到底，中国AI产业当前的主要瓶颈在算力上。

硬件技术的积累迭代周期天然要比软件长，但在强大的市场需求驱动以及扎实的制造业基础支持下，相信算力瓶颈的突破只是时间问题。

届时中国完全有机会成为这轮AI革命的全球领导者。

（5）立即体验 DeepSeek V4 Flash 带来的全新 AI 投研体验

如果你已经是 AlphaEngine 用户，现在就可以亲身体验 DeepSeek V4 Flash 带来的极致性价比。

无论是AlphaEngine桌面端还是网页端，你都可以在 AlphaClaw 的模型选择界面切换至 DeepSeek V4 Flash。

你也可以绑定微信，这样就可以随时随地通过微信来和V4 Flash交流了。

还没有 AlphaEngine？登录 www.alphaengine.top 即可使用（仅限机构投资者）。

对AI投研感兴趣的朋友，欢迎扫码入群，也可以后台回复【入群】。