DeepSeek V4 Flash 0731: il modello low cost che punta su agenti AI e coding

DeepSeek ha aggiornato ancora una volta il suo modello più economico, e lo ha fatto con una mossa che dice molto sulla direzione presa dai laboratori cinesi. Il 31 luglio 2026 l’azienda di Hangzhou ha rilasciato DeepSeek V4 Flash 0731, una versione ripotenziata del suo modello Flash pensata per gli agenti, la scrittura di codice e l’uso degli strumenti, mantenendo un prezzo che resta tra i più bassi dell’intero mercato.

Non si tratta di un modello nuovo di zecca, ma di un salto di qualità ottenuto ridisegnando la fase finale dell’addestramento. E in un settore dove la potenza costa sempre meno, capire cosa cambia davvero ti aiuta a scegliere lo strumento giusto per i tuoi progetti.

Cosa cambia con DeepSeek V4 Flash 0731

La sigla può trarre in inganno. Dietro quel 0731 non c’è una nuova architettura, ma lo stesso modello Flash presentato in primavera, sottoposto però a un riaddestramento profondo nella fase che gli insegna a comportarsi bene con gli utenti e con gli strumenti. Il risultato, secondo DeepSeek, è un modello sensibilmente più capace proprio nei compiti che oggi contano di più.

Stessa struttura, addestramento rifatto da capo

V4 Flash 0731 conserva l’impianto tecnico del suo predecessore. Parliamo di un’architettura a esperti, la cosiddetta Mixture of Experts, con 284 miliardi di parametri totali di cui solo circa 13 miliardi vengono attivati per ogni token elaborato.

Questo è il segreto della sua economicità. Il modello nel suo complesso è enorme, ma per generare ogni risposta ne accende solo una piccola porzione, quella più adatta al compito. Così i costi di calcolo restano bassi senza sacrificare del tutto la conoscenza immagazzinata.

La finestra di contesto rimane di un milione di token, abbastanza per dare in pasto al modello interi archivi di documentazione o basi di codice complete. Resta invece un modello di solo testo, senza le capacità multimodali che caratterizzano altre proposte recenti.

La vera differenza sta nel post-training. DeepSeek ha rifatto questa fase con una pipeline molto più curata, concentrata su ragionamento, capacità di agente, programmazione e chiamata degli strumenti. In pratica il cervello è lo stesso, ma è stato riaddestrato a usarlo meglio. Come si legge dal changelog ufficiale dell’azienda, il nome con cui invocare il modello via API non cambia, e questo semplifica la vita a chi lo usa già.

I numeri sui benchmark degli agenti

DeepSeek dichiara risultati nettamente superiori rispetto alla versione precedente, soprattutto sui test che misurano la capacità di portare a termine un lavoro in autonomia. Sul benchmark Terminal Bench 2.1, che valuta quanto un modello sappia muoversi da solo dentro un terminale, V4 Flash 0731 raggiunge un punteggio di 82,7. Cifre di rilievo arrivano anche da Cybergym, con 76,7, da Toolathlon, con 70,3, e da DSBench FullStack, con 68,7.

Per darti un metro di paragone, la generazione V3.1 dello scorso anno si fermava intorno a 31 punti sullo stesso genere di prova sul terminale. Il balzo in avanti è evidente.

Vanno lette con la prudenza che si riserva a ogni benchmark comunicato da chi produce il modello. Restano però un segnale chiaro di dove DeepSeek ha voluto spingere: non la conversazione brillante, ma il lavoro sporco degli agenti che eseguono passaggi concreti.

Prezzi da guerra: 0,14 dollari per milione di token

Il capitolo prezzi è quello che rende V4 Flash 0731 difficile da ignorare. L’uso costa 0,14 dollari per milione di token in ingresso e 0,28 dollari per milione in uscita. Sono cifre che, per un modello con queste ambizioni sugli agenti, hanno pochi eguali.

C’è poi la leva della cache. Quando parte del contesto viene riutilizzata tra una chiamata e l’altra, l’input memorizzato scende a circa 0,0028 dollari per milione, uno sconto vicino al 98%. Sui carichi ripetitivi, tipici degli agenti che rileggono di continuo le stesse istruzioni, il prezzo medio può crollare intorno ai 0,06 dollari per milione.

La differenza con la concorrenza è netta.

Il modello più economico della famiglia GPT-5.6 di OpenAI, chiamato Luna, parte da 0,20 dollari per milione in ingresso, mentre proposte pensate per il codice come Grok 4.5 di xAI o Muse Spark di Meta si collocano su cifre ben più alte. Persino Claude Opus 5, che Anthropic ha presentato come modello di frontiera a metà prezzo, gioca in un campionato di costi completamente diverso, perché punta sulla qualità assoluta più che sul risparmio.

DeepSeek, insomma, continua a fare quello che le riesce meglio: comprimere i margini di tutti e costringere il resto del settore a rincorrere.

Agenti, coding e compatibilità con il Responses API

La scelta di concentrare il riaddestramento su agenti e strumenti non è casuale. Il 2026 è l’anno in cui l’attenzione si è spostata dai chatbot che rispondono alle domande ai sistemi che eseguono compiti: aprono file, lanciano comandi, interrogano altre API, rileggono e correggono il proprio codice.

In questo scenario il costo per singola operazione diventa decisivo. Un agente che lavora davvero fa decine o centinaia di chiamate al modello per completare un task, e a quel punto ogni centesimo risparmiato si moltiplica.

Per questo DeepSeek ha reso V4 Flash 0731 compatibile in modo nativo con il Responses API e con gli adattamenti pensati per gli agenti in stile Codex. Chi sviluppa può inserirlo nei flussi già costruiti attorno agli strumenti di OpenAI o di Anthropic cambiando poco o nulla. Il modello resta raggiungibile con lo stesso identificativo di sempre, sia tramite l’interfaccia compatibile con OpenAI sia tramite quella compatibile con Anthropic.

Nessuna migrazione, nessun codice da riscrivere. Per un’azienda che valuta i costi di adozione, è un dettaglio tutt’altro che secondario.

Anche la sigla 0731 nel nome ha un senso preciso. Indica la data dello snapshot, il 31 luglio, e riflette una strategia ormai diffusa tra i grandi laboratori: pubblicare versioni datate, così chi porta il modello in produzione sa esattamente su quale comportamento sta contando e non si ritrova sorprese quando l’assistente cambia sotto il cofano.

La corsa cinese ai modelli aperti e a basso costo

V4 Flash 0731 va inquadrato in un movimento più ampio. Da quando, all’inizio del 2025, DeepSeek scosse il settore dimostrando che si potevano ottenere prestazioni di alto livello con una frazione dei costi occidentali, i laboratori asiatici hanno accelerato senza più fermarsi.

Nelle stesse settimane hai visto arrivare Kimi K3 di Moonshot AI, presentato come il più grande modello aperto mai rilasciato, e la spinta non riguarda soltanto la Cina, visto che anche la coreana LG ha da poco pubblicato un modello open di grandi dimensioni. La disponibilità dei pesi, cioè la possibilità concreta di scaricare e adattare un modello ai propri dati, è diventata un terreno di competizione strategica oltre che tecnica.

DeepSeek mantiene un doppio binario. Da un lato l’API a basso costo per chi vuole solo consumare il modello, dall’altro una tradizione di rilasci aperti che ha costruito buona parte della sua reputazione internazionale.

Chi aveva seguito quello che si sapeva di DeepSeek V4 quando il modello era ancora in arrivo ritrova qui la conferma di quella direzione: prezzi aggressivi, attenzione ossessiva agli agenti e una cadenza di aggiornamenti che non lascia respiro.

Cosa aspettarsi adesso

La fotografia è chiara. DeepSeek non insegue la corona del modello più potente in assoluto, ma punta a offrire prestazioni solide sui compiti concreti a un prezzo che rende sostenibile mettere gli agenti al lavoro su larga scala. È una scommessa sul volume e sull’accessibilità, non sul prestigio dei benchmark di punta.

Se sviluppi applicazioni che devono elaborare grandi quantità di testo, automatizzare procedure ripetitive o assistere la scrittura di codice, V4 Flash 0731 merita una prova diretta. Il costo per capire se fa al caso tuo è, letteralmente, di pochi centesimi.

Il resto lo dirà il confronto sul campo con i modelli di frontiera occidentali, che restano avanti su diversi compiti ma faticano a reggere sul terreno del prezzo. Ti conviene tenere d’occhio i prossimi aggiornamenti, perché in questa fase il ritmo delle novità è quasi settimanale e ogni nuovo snapshot può ridisegnare gli equilibri. Continua a seguirci per capire, aggiornamento dopo aggiornamento, quale strumento conviene davvero al tuo lavoro.