DeepSeek V4 Flash 调用量全球第一：7.22 万亿 Token 背后的三个信号

发布日期：2026-08-05 | 数据来源：OpenRouter 周度统计（2026 年 7 月 28 日–8 月 3 日）

DeepSeek V4 Flash 是深度求索（DeepSeek）于 2026 年 7 月 31 日正式开放 API 的推理模型，采用 MoE 架构（284B 总参数、推理激活约 13B），定价低至 0.2 元/百万 Token（缓存命中），发布后四天即以单周 7.22 万亿 Token 的调用量登顶 OpenRouter 全球大模型周榜，同期单日峰值在 OpenCode 平台达到 8 万亿 Token，超过 OpenRouter 全平台日均总量；中国模型本周包揽全球 TOP3，连续 14 周调用量超越美国，前十名中占九席，标志着大模型竞争的核心维度已从参数规模切换到成本效率；对开发者而言，V4 Flash 目前是高频调用和 Agent 场景的性价比首选，其与旗舰模型分级路由的组合可将综合 Token 成本降低 40%–60%，而 OpenAI 被迫将 Luna 降价约 80% 的事实，说明这种成本压力已开始重塑整个行业定价基线。

DeepSeek V4 Flash 于 2026 年 7 月 31 日正式开放 API，8 月 3 日即以单周 7.22 万亿 Token 的调用量登顶 OpenRouter 全球大模型周榜，耗时不足四天。同期 OpenCode 平台单日处理了 8 万亿 Token，超过 OpenRouter 全平台日均总量，其中 5 万亿来自免费试用、3 万亿来自付费商用，这个数字背后是全球开发者用实际调用投出的一票。本文拆解三个最值得关注的信号：为什么是 Flash 而不是 Pro？中国模型连续 14 周领跑意味着什么？以及这波趋势对开发者选模型、控成本有什么直接影响。

四天登顶，数字有多离谱

先把这组数字铺开来看。

根据 OpenRouter 本周（7 月 28 日–8 月 3 日）数据，全球大模型总调用量为 56.8 万亿 Token，同期排行榜前三如下：

排名	模型	周调用量
🥇 1	DeepSeek V4 Flash	7.22 万亿 Token
🥈 2	小米 MiMo-V2.5	6.3 万亿 Token
🥉 3	腾讯 Hy3	4.82 万亿 Token

注意 V4 Flash 是 7 月 31 日才开放的，统计周期包含发布前三天的空白——也就是说它实际跑了四天拿下了这个第一。

更夸张的是单日数字。8 月 1 日，V4 Flash 在 OpenCode（海外开发者开源编程平台）一天处理了 8 万亿 Token，这个量级超过了聚合 400 多款模型的 OpenRouter 全平台日均总量（约 6.6 万亿）。单款模型，单一入口，一天。

这不是刷榜，是开发者真实的生产环境请求。

信号一：为什么是 Flash，不是 Pro

DeepSeek V4 Flash 采用 MoE（混合专家）架构，总参数 284B，但推理时仅激活约 13B。这个设计直接决定了它的成本结构——

● 输入：0.2 元 / 百万 Token（缓存命中时）

● 输出：2 元 / 百万 Token

对比同期主流模型的单任务平均成本：Kimi K3 约 86 美分、GPT-5.6 Sol 约 1.86 美元、Claude Fable 5 约 3.15 美元。V4 Flash 的成本不足 Claude Fable 5 的 1%。

这个价格差距在 Agent 场景下被几何级放大。一个 Agent 任务往往触发数十次模型调用，用旗舰模型跑一次工作流的费用，用 V4 Flash 可以跑几百次。开发者的算盘很清楚。

V4 Pro 和 V4 Flash 并非替代关系，而是场景分工：复杂推理、长链 CoT 上 Pro，高频调用、Agent 编排、成本敏感场景选 Flash。本周 OpenRouter 数据也印证了这一点——V4 Pro 以 3.1 万亿 Token 位居第四，说明两款模型在同时承接不同需求。

能力侧也没有明显短板。在 Agent 终极测试中 V4 Flash 得分 25.2 分，Claude Opus-4.8 为 25.7 分；Terminal Bench 2.1 得分 82.7；智能指数 50 分，与 Gemini 3.6 Flash 持平——这是一款能力接近旗舰、价格打到地板的模型。

信号二：中国模型连续 14 周领跑说明了什么

本周前三全是中国模型，TOP 10 中有 9 席来自中国，中国模型总调用量达 28.13 万亿 Token，已连续 14 周超过美国。

这个数字的意义不是"谁赢了"，而是竞争维度已经切换。

两年前大家比的是参数量，现在比的是价格和实际可用性。OpenAI 这周把 Luna 降价约 80%，但开发者社区的反应是"我们要的是 DeepSeek 的价格"——降到这个价格还不够，因为 V4 Flash 在同等成本下能跑同等甚至更好的效果。

这种压力从 API 市场开始，会逐步传导到整个 AI 应用层的成本预期。用 Agent 跑自动化工作流的团队，现在的假设前提不再是"模型调用很贵，能少就少"，而是"模型调用可以随意调，瓶颈在工程侧"。这个心态转变对产品设计的影响比任何单个 benchmark 都大。

信号三：开发者真正在用它做什么

OpenCode 平台的 8 万亿 Token 单日数据给出了线索——是编程场景。Agent 时代的编程助手不只是补全代码，而是"思考-搜索-执行-验证"的完整循环，每一轮都在消耗 Token。

V4 Flash 的低延迟特性在流式输出场景里也有明显优势，开发者反馈首 Token 延迟（TTFT）相比旗舰模型有显著改善，这在实时对话和 Agent 中间层场景里直接影响用户体验。

7 月 31 日正式版开放后，社区反馈最集中的是两点：一是基准分数相比预览版大幅提升（Agent 终极测试从 15.8 跳到 25.2），二是 API 稳定性明显好于预览期。前者解释了为什么调用量在发布后几乎垂直拉升，后者说明愿意把生产流量切过来的团队在增加。

对开发者的实际影响

如果你在选模型：V4 Flash 目前是高频调用场景的默认起点，性价比已无竞品。对于需要多厂商备份或混合使用（Flash 跑高频、Pro/旗舰模型跑复杂任务）的场景，接入一个统一聚合平台比维护多个 API Key 更省事。七牛云 AI 的模型广场已上线 DeepSeek V4 Flash，通过单一 API Key 兼容 OpenAI 格式调用，无需改动已有代码，Token Plan 企业套餐并发限制低，适合把 V4 Flash 大量跑进生产工作流的团队。

如果你在控成本：Flash + 缓存命中（0.2 元/百万 Token）是目前成本最低的主流调用链路。按四步预算流程（estimate → reserve → usage → reconcile）管理 Token 消耗，结合模型分级路由，复杂任务留给旗舰、重复高频任务全用 Flash，实测综合成本可以降 40%–60%。

如果你在做 Agent：MoE 架构的低激活参数决定了 V4 Flash 在多轮调用下的延迟更稳定，配合七牛云 MCP 服务的云端密钥托管，可以快速搭起多工具 Agent 编排层而不用在本地暴露各服务凭证。