DeepSeek V4 Flash 0731: cosa cambia quando l’architettura resta uguale

Il transformer è rimasto lo stesso. I pesi di policy, il contratto agente, lo stack di valutazione e il pacchetto di serving no.

Partiamo dal numero che fa sbattere le palpebre. DeepSeek riporta che DeepSWE è passato da 7,3 su V4-Flash Preview a 54,4 su V4-Flash-0731. Un salto di 47 punti. Stessi 43 layer. Stessi 284 miliardi di parametri totali. Stessi 13 miliardi attivi per token. Stessa architettura da un milione di token.

È il fatto più interessante del rilascio — e il più facile da fraintendere.

È un punteggio dichiarato da DeepSeek, ottenuto a effort di reasoning massimo con una “DeepSeek Harness minimal mode” non rilasciata. Due dei nove benchmark di lancio sono interni. Non dimostra, quindi, che sostituire Preview con 0731 renderà ogni coding agent sette volte migliore. Mostra però qualcosa di più utile: quando l’architettura di base è abbastanza buona, il post-training e lo stack agente possono spostare il comportamento misurato molto più di quanto suggeriscano i conteggi di parametri.

Il 31 luglio 2026 DeepSeek ha portato l’API ufficiale di V4-Flash in public beta. Il nome del modello è rimasto deepseek-v4-flash; sotto quel nome stabile l’azienda ora serve DeepSeek-V4-Flash-0731. Insieme all’API sono arrivati i pesi 0731 con licenza MIT, il supporto nativo alle Responses API, l’adattamento a Codex e un modulo di decode speculativo DSpark allegato al checkpoint.

Ridotta a una frase: DeepSeek ha tenuto fissa l’architettura centrale di V4-Flash, ha sostituito i pesi post-addestrati e ha costruito intorno a essi un prodotto di serving agentico più completo.

Questa distinzione è tutta la storia. Il report tecnico V4 spiega l’architettura e la pipeline di training di famiglia. Non rivela i dati, i teacher, i reward, il compute o le ablation dietro il re-post-training del 31 luglio. Dove le fonti si fermano, si ferma anche questo articolo.

Il rilascio in un unico frame scientifico

Sotto un solo annuncio sono arrivati tre oggetti diversi, facili da confondere.

1. Un nuovo checkpoint. L’architettura centrale del transformer e del mixture-of-experts (MoE) resta invariata, ma i pesi post-addestrati sono nuovi.
2. Un nuovo pacchetto runtime. Il rilascio scaricabile porta DSpark, un’implementazione dedicata di encoding V4, controlli di reasoning effort e le ricette di serving aggiornate.
3. Un prodotto API più orientato agli agenti. L’endpoint hosted aggiunge Responses API e integrazione Codex, con un profilo operativo del 31 luglio che documenta prezzi e 2.500 richieste concorrenti per account.

Un checkpoint è l’insieme salvato di pesi e comportamento. Un pacchetto runtime è il software che li esegue. Un’API hosted è il servizio gestito da DeepSeek intorno a entrambi. Mescolarli significa raccontare la storia causale sbagliata — dare merito all’architettura per un guadagno che arriva dai pesi di policy, o a DSpark per un’intelligenza che arriva dal post-training.

I fatti di testa sono semplici:

• Stato: rilascio ufficiale di V4-Flash, ancora in public beta.
• ID del modello hosted: deepseek-v4-flash.
• Repository open-weight: deepseek-ai/DeepSeek-V4-Flash-0731.
• Licenza: MIT.
• Contesto: fino a 1.048.576 token.
• Output massimo: fino a 384K token per le configurazioni high/max — un tetto, non un punto operativo normale.
• Ambito: solo API Flash. API V4-Pro e DeepSeek App/Web restavano invariati il giorno del lancio.
• Architettura centrale: invariata rispetto a Flash Preview.
• Cambio di capacità: re-post-training, con ricetta 0731 non divulgata.

Dall’architettura Preview al comportamento 0731

Il rilascio di luglio ha più senso se lo si separa dal lancio architetturale di aprile.

24 apr 2026 · annuncio di V4-Pro e V4-Flash Preview
26 apr 2026 · report tecnico V4 inviato ad arXiv
24 lug 2026 · data dichiarata di ritiro degli alias API legacy
31 lug 2026 · l’API ufficiale V4-Flash entra in public beta come 0731
31 lug 2026 · pubblicazione dei pesi 0731 e della licenza MIT

Il mio articolo precedente, DeepSeek V4 Preview: il modello da 1M di token che rende il long context economico, è la storia dell’architettura. Spiega perché CSA, HCA, mHC, Muon, training consapevole di FP4 e gestione eterogenea della KV cache rendono meno assurda l’inferenza a un milione di token.

Questo articolo riprende da lì. La tesi vecchia tiene — V4 è un’architettura di efficienza costruita per rendere usabile il contesto estremo. La domanda nuova è più netta: cosa cambia un laboratorio quando l’architettura è già fissa ma l’agente non è ancora abbastanza buono?

La risposta pubblica di DeepSeek è post-training, design del protocollo e integrazione di serving.

L’inviluppo fisso: cosa non è cambiato

Il modello centrale è ancora il V4-Flash del report tecnico.

La tabella separa il modello centrale invariato dal pacchetto rilasciato più grande. Il nucleo ha 284B parametri, non 13B. Tredici miliardi si attivano per token perché i layer feed-forward sono mixture-of-experts — ma i 284B centrali devono comunque essere memorizzati, collocati e collegati tra dispositivi.

Tabella ufficiale DeepSeek dalla nota di lancio di aprile di V4: Pro e Flash condividono il design di famiglia a contesto 1M su punti operativi diversi.

Ogni layer MoE ha 256 esperti instradati più uno condiviso, con sei esperti selezionati per token. CSA e HCA restano intercalati tra i layer, una sliding window da 128 token tiene il dettaglio recente nitido e mHC governa il mescolamento dello stream residuale.

In linguaggio semplice:

• CSA mantiene una memoria a media risoluzione, interrogabile, del prefisso lungo.
• HCA mantiene una memoria grossolana a basso costo della storia molto lunga.
• La sliding window tiene gli ultimi 128 token esatti.
• mHC stabilizza il trasporto residuale perché gli stack profondi non diluiscano il segnale.

Il pacchetto di luglio aggiunge DSpark sopra quel nucleo 284B/13B invariato. Ecco perché “stessa architettura e dimensione” può coesistere con un pacchetto fuso da circa 167 GB — più grande di Preview.

Poiché tutto questo è restato fisso, niente di tutto questo spiega il divario tra Flash Preview e Flash 0731. L’architettura ha definito l’inviluppo. Il rilascio di luglio ha cambiato come il modello si comporta al suo interno.

Perché il post-training può muovere così tanto un modello fisso

Il post-training insegna a un modello di base capace come comportarsi.

Il pre-training costruisce la rappresentazione generale — linguaggio, codice, fatti, pattern, la capacità di predire. Il post-training trasforma quella capacità grezza in una policy di prodotto. Insegna quale percorso di reasoning preferire, come seguire istruzioni, quando chiamare un tool, come formattare gli argomenti, come recuperare dall’output di un tool, quanto deliberare e quali fallimenti ricevono un reward o una penalità.

Per gli agenti questi comportamenti non sono decorazione. Sono il lavoro. Un coding agent fallisce meno spesso perché mantiene un piano attraverso i round di tool, emette schemi tool validi, usa l’ambiente invece di indovinare, si riprende dopo un errore del compilatore, si ferma quando il task è finito e spende più compute quando il problema è difficile.

Nessuna di queste cose richiede un nuovo meccanismo di attenzione. Tutte possono essere rimodellate da reinforcement learning, design del reward, distillazione e contratti di interfaccia. Questo è il centro scientifico di 0731.

Il metodo di famiglia che DeepSeek ha già documentato

Il paper V4 non rivela la ricetta di luglio. Rivela però come DeepSeek pensa di trasformare un modello di base in un prodotto agentico.

1. Prima gli specialist di dominio

DeepSeek addestra specialist separati per domini target — matematica, coding, agenti, instruction following. Ogni specialist passa da supervised fine-tuning su dati di dominio di alta qualità, poi reinforcement learning con GRPO (Group Relative Policy Optimization), guidato da prompt di dominio e segnali di reward.

Conta perché un solo modello non deve imparare ogni skill in una volta sotto un reward rumoroso. Gli specialist possono specializzarsi utilmente su un dominio prima che la loro conoscenza venga fusa.

2. Reward facili e reward difficili sono scienze diverse

Per i task facili da verificare DeepSeek può appoggiarsi a regole, unit test e verifier deterministici. Per i task difficili, il report dice che il laboratorio non si affida più solo ai reward model scalari convenzionali. Usa invece un Generative Reward Model (GRM): le traiettorie sono valutate con rubriche, il GRM stesso è ottimizzato con RL e l’actor può fungere sia da generatore sia da giudice.

In parole povere: quando “corretto” non è un test binario, DeepSeek addestra un giudice che ragiona invece di un critico che produce un numero. È particolarmente rilevante per il lavoro agentico, dove progresso parziale, validità dei tool e qualità del piano sono più difficili da misurare di una risposta finale di matematica.

3. Il reasoning effort è addestrato, non improvvisato

V4 supporta regimi di reasoning distinti — non-think, high e max — ciascuno prodotto con diverse penalità di lunghezza in RL, finestre di contesto e formati di risposta. Max effort non è una rete più grande. È una policy operativa addestrata che spende più deliberazione sotto istruzioni più forti.

È una ragione per cui un punteggio di lancio a max non si può leggere come comportamento produttivo ordinario. Agli stessi pesi si può chiedere di pensare poco o molto. La distribuzione di policy si sposta con il contratto di effort.

4. La distillazione on-policy multi-teacher fonde gli specialist

Una volta che gli specialist esistono, DeepSeek li fonde con On-Policy Distillation (OPD). Lo student genera le proprie traiettorie; più di dieci teacher specialist forniscono le distribuzioni target; lo student minimizza un obiettivo di reverse KL verso quei teacher; e DeepSeek usa distillazione full-vocabulary sui logit, non solo una stima KL a livello di token, per stabilizzare i gradienti.

Perché ogni pezzo conta:

• On-policy significa che lo student impara sugli stati che visita davvero, non su demo congelate del teacher.
• Reverse KL spinge lo student verso le mode preferite dai teacher, invece di mediare ogni mode indiscriminatamente.
• I logit full-vocabulary preservano una conoscenza del teacher più ricca della sola supervisione del token campionato.

DeepSeek dice esplicitamente che questo sostituisce lo stage di mixed RL di V3.2. È una tesi metodologica importante a livello di famiglia: unificare gli specialist per distillazione sulle traiettorie dello student, non con un unico grande run di mixed RL.

5. L’infrastruttura agente fa parte del sistema di training

Il report descrive anche sandbox per RL agentico, scaling dell’RL a long context, servizi di rollout fault-tolerant e integrazione FP4 nel post-training. Non sono note a piè di pagina. Se il loop di training non può eseguire traiettorie tool lunghe in modo economico e riproducibile, la scienza del post-training non riceve abbastanza segnale.

Il record pubblico regge quindi due affermazioni insieme: il metodo di famiglia mostra come possano nascere grandi guadagni agentici senza un nuovo transformer, e il delta 0731 non si può attribuire a un teacher, a un reward o a un obiettivo di benchmark.

Il protocollo agente è parte del prodotto modello

La qualità agentica dipende da come vengono rappresentati messaggi, reasoning e tool.

V4 usa un formato dedicato di tool call DSML. Le definizioni dei tool sono iniettate nel prompt; le chiamate tornano in blocchi DSML strutturati; i risultati dei tool rientrano dentro messaggi utente taggati. Il repository 0731 non spedisce un normale chat template Jinja. Spedisce una cartella encoding/ con codice Python che converte messaggi in stile OpenAI in stringhe di input V4 e analizza l’output in messaggi, reasoning e tool call.

Un checkpoint senza l’encoder corretto non è lo stesso prodotto dell’API hosted.

I loop di tool in thinking mode seguono una regola di continuità insolita. Quando il modello chiama tool, i client devono reinviare il reasoning content precedente dell’assistente nelle richieste successive. Senza tool, il reasoning più vecchio può essere scartato a un nuovo turno utente. Con i tool, V4 preserva l’intera traccia di reasoning così l’agente non ricostruisce il piano da zero dopo ogni risultato.

È una scelta di engineering che vive tra modello e framework. Il modello è stato addestrato ad aspettarsi un particolare contratto di continuità; il sistema intorno deve rispettarlo.

Il supporto alle Responses API è parziale per design

DeepSeek dice che V4-Flash ora supporta nativamente le Responses API ed è adattato a Codex. Riduce l’attrito di migrazione. Non significa che ogni feature OpenAI Responses funzioni.

La documentazione di compatibilità è precisa:

• l’endpoint è stateless — niente previous_response_id, conversations, storage o background mode;
• functions e web search server-side sono supportate;
• l’unico custom tool supportato è apply_patch, specificamente per la compatibilità Codex;
• file search, code interpreter, computer use, MCP, input immagine e input file non sono supportati o sono ignorati;
• parallel_tool_calls è ignorato perché le chiamate parallele sono sempre attive;
• diversi campi non supportati vengono ignorati in silenzio invece di dare errore.

I parametri ignorati in silenzio sono la parte pericolosa. Un client può sembrare riuscito mentre la superficie di controllo intesa non fa nulla. La compatibilità è una tesi comportamentale, non un codice di stato.

C’è anche uno scarto sottile tra valutazione e API hosted. La scheda del modello dice che i benchmark pubblici di code agent usano effort max, temperature=1.0 e top_p=0.95. La documentazione del thinking mode hosted dice che temperature e top-p non hanno effetto in thinking mode. DeepSeek non dice se l’harness abbia usato pesi locali, l’endpoint hosted o parametri accettati ma ignorati.

DSpark: decode più veloce, non più intelligenza

Il checkpoint scaricabile 0731 include un modulo di decode speculativo DSpark.

Il decode speculativo attacca la natura sequenziale della generazione:

la bozza DSpark propone diversi token futuri
├── il modello V4 principale verifica la sequenza proposta
├── i token accettati avanzano insieme
└── i token rifiutati tornano alla generazione normale

L’esempio vLLM della scheda propone sette token speculativi con drafting greedy. La config attacca DSpark agli ultimi tre layer del transformer e registra un block size di cinque e Markov rank 256.

Può accelerare il decode quando l’accettazione delle proposte è alta e il runtime ha kernel di verifica efficienti. Non rende il modello più informato né migliore con i tool. DSpark è un’ottimizzazione di serving allegata all’artefatto; i pesi re-post-addestrati sono il cambio di capacità.

V4 conserva anche un layer di Multi-Token Prediction dalla linea V3. MTP e DSpark sono imparentati ma non intercambiabili. MTP fa parte della struttura di predizione e training del modello; DSpark è il meccanismo di bozza speculativa usato dal runtime di serving. Nessuno dei due garantisce un guadagno universale in token al secondo. Tasso di accettazione, lunghezza di contesto, forma del batch, supporto dei kernel e hardware decidono lo speedup reale.

I delta di benchmark riportati

La tabella ufficiale di DeepSeek dice che 0731 batte sia Flash Preview sia Pro Preview su tutti e nove i benchmark agentici riportati.

Board ufficiale DeepSeek di benchmark dalla nota di lancio Preview di aprile. Contesto storico utile della famiglia — non la tabella agentica di luglio 0731.

Board ufficiale DeepSeek Preview su long context e task adiacenti agli agenti, dalla nota di lancio di aprile.

La scheda di luglio sostituisce quella storia Preview con un confronto agentico più denso.

Il cambiamento assoluto più grande rispetto a Flash Preview è DeepSWE: +47,1 punti. Cybergym sale di 38,0. DSBench-Hard sale di 33,8. Anche Terminal Bench 2.1, dove Flash Preview era già molto più forte, si muove di 20,9 punti fino a 82,7.

I delta riportati si concentrano su loop di tool, lavoro su repository e task eseguibili piuttosto che su conoscenza generica. Combacia con il posizionamento agentico del rilascio — ma non stabilisce quali obiettivi di training abbiano prodotto il pattern.

DeepSeek colloca anche 0731 contro GLM-5.2 e Opus-4.8 nella stessa tabella del vendor.

La lettura onesta è cauta. Sotto i setup di lancio DeepSeek, Flash 0731 è riportato vicino o sopra GLM-5.2 su diverse righe agentiche e sotto Opus-4.8 sulla maggior parte di esse, restando molto più piccolo in parametri attivati rispetto alla linea Pro. È una tesi da tabella di lancio, non un consenso multi-lab.

A questa tabella vanno attaccate sempre tre etichette.

1. I punteggi sono dichiarati dal vendor

DeepSeek ha eseguito e pubblicato il confronto. Dice che i task pubblici di code agent usano “DeepSeek Harness minimal mode”, ancora non rilasciata il giorno del lancio. Senza l’harness, valutatori indipendenti non possono riprodurre esattamente prompt, policy di loop, gestione tool, logica di retry, budget e ambiente.

2. Le righe pubbliche di code agent usano un grande budget di test-time

Per i task pubblici di code agent DeepSeek specifica effort max. Non stabilisce le stesse impostazioni per ogni riga interna o non di code, né se i setup dei comparatori fossero perfettamente allineati. Un risultato a max effort non è una predizione di latenza, uso di token o qualità a low effort.

3. Due righe sono interne

DSBench-FullStack e DSBench-Hard sono set di test interni DeepSeek. Possono essere utili segnali di engineering interni, ma chi è fuori non può ispezionare task, controlli di contaminazione, esclusioni o scoring.

Ecco perché “Flash batte Pro” ha bisogno di una grammatica attenta. La frase difendibile è: la tabella di lancio di DeepSeek riporta 0731 davanti a V4-Pro Preview su tutte e nove le righe sotto i setup dichiarati. Se batta Pro su un repository esterno dipende da framework, tool, distribuzione dei task e budget.

Evidenza indipendente: score più alto, molti più token

Una misurazione indipendente dello stesso giorno supporta la storia ampia senza riprodurre la tabella del vendor.

Artificial Analysis riporta un Intelligence Index v4.1 di 50 per V4 Flash 0731 a max effort, contro 44 per V4 Pro max nel confronto attuale. Riporta un costo pesato di $0,03 per task dell’Intelligence Index per Flash contro $0,05 per Pro, e $72,02 per eseguire l’intera valutazione Flash.

È un risultato indipendente di supporto. Il composito copre nove valutazioni — task business agentici, tool use bancario, Terminal Bench 2.1, coding, reasoning, conoscenza, fisica, allucinazione e reasoning long-context. Sostiene la tesi più stretta: 0731 performa in modo forte rispetto al suo prezzo API sul setup di questo valutatore.

Fa emergere anche il conto nascosto: 210 milioni di token di output nella valutazione Flash, contro una mediana di classe di 100 milioni. Flash a max effort è economico per token, ma può bruciarne molti.

Non è una contraddizione — è la metrica che conta. Un modello prezzato a $0,28 per milione di token di output può comunque costare di più in totale se delibera più a lungo, ritenta più spesso o produce grandi tracce di tool. L’unità rilevante non è un token. È un task completato con successo.

Artificial Analysis non valida le nove righe agentiche di DeepSeek. Valida una conclusione più stretta: anche una valutazione indipendente trova 0731 più forte di Pro max sul proprio composito e più economico per task pesato. Servono ancora più run agentiche indipendenti e allineate sull’harness.

L’economia come conseguenza di sistema

I prezzi hosted di DeepSeek rendono visibile la strategia di prodotto.

Figura ufficiale DeepSeek dei prezzi dalla nota di lancio di aprile di V4. Per le tariffe Flash attuali restano autorevoli i documenti live del 31 luglio.

Su input cache-miss e output, Flash è circa 3,1× più economico di Pro Preview. Su input cache-hit il divario scende a circa 1,3×. Conta perché i loop agentici reinviano ripetutamente prefissi condivisi lunghi — istruzioni, contesto di repository, schemi tool, piani, turni precedenti — e DeepSeek applica caching automatico del contesto.

I limiti di concorrenza 2.500 contro 500 danno a Flash 5× più headroom documentato di richieste in volo per account. Non è 5× di throughput e non è 5× di velocità. È un tetto di concorrenza a livello di account più ampio prima degli HTTP 429.

DeepSeek dice anche che introdurrà prezzi peak/off-peak: ogni voce di fatturazione costerà 2× tra le 09:00–12:00 e le 14:00–18:00 ora di Pechino. Al 31 luglio la data di efficacia non era stata annunciata.

Il contesto da 1M e l’output massimo da 384K sono altrettanto facili da leggere male. Il secondo è un tetto di generazione per le configurazioni high/max, non un invito a emettere 384.000 token. L’output consuma l’inviluppo di contesto del modello; non è un 384K gratuito impilato sopra 1M di input.

Il self-hosting fa lo stesso punto di sistema dall’altro lato. I pesi aperti rendono possibili ispezione e deployment privato. Non fanno comportare un MoE da 284B come un checkpoint consumer da 13B. La ricetta vLLM descrive il checkpoint fuso 0731 come circa 167 GB su disco, circa 7 GB in più del pacchetto Preview per il modulo draft DSpark. La memoria runtime serve anche KV cache, tensori non-expert, workspace dell’allocator, attivazioni, buffer di comunicazione e il motore di serving stesso.

La scheda del modello dimostra vLLM su un singolo nodo 4×GB300 con data parallelism quattro ed expert parallelism abilitato. È un esempio supportato, non un teorema di hardware minimo. L’aritmetica attraente dei “13B attivi” spiega la località del calcolo. Il pacchetto 0731 mostra l’altra metà: il compute economico per token non cancella l’engineering di sistema del modello totale.

Limiti e domande aperte

Al 31 luglio 2026 restano aperte diverse domande importanti.

• Il rilascio ufficiale dell’API V4-Flash è ancora etichettato public beta.
• DeepSeek non ha divulgato la ricetta specifica di re-post-training di 0731.
• L’harness dei benchmark di lancio non era pubblico, e due set di benchmark sono interni.
• La maggior parte dei nove risultati agentici non ha ancora una riproduzione indipendente e allineata sul setup.
• Artificial Analysis è un valutatore indipendente, non un consenso.
• Il modello è solo testo; input immagine e file non sono supportati.
• La compatibilità Responses API è parziale e a volte ignora in silenzio campi non supportati.
• API V4-Pro e DeepSeek App/Web non hanno ricevuto l’update 0731.
• L’ufficiale V4-Pro era ancora in attesa.
• Prezzi API, finestre di picco e comportamento del checkpoint possono cambiare durante la beta.
• Un limite da un milione di token non garantisce reasoning affidabile su un prompt caotico da un milione di token.

Anche l’architettura resta complessa. Il report V4 ammette che CSA/HCA, mHC, routing, percorsi a bassa precisione e policy di cache scambiano eleganza con efficienza. La qualità long-context può fallire per miss di retrieval o compressione; la qualità agentica può fallire per tool, prompt, parser o instabilità dell’ambiente. Un punteggio di lancio non isola quei modi di fallimento.

Cosa insegna davvero 0731

DeepSeek V4 Flash 0731 conta proprio perché non è una nuova architettura.

Se il laboratorio avesse aggiunto più layer, più esperti o un altro meccanismo di attenzione, la storia sarebbe familiare: spendi più compute di pre-training, ottieni un modello più forte. Invece DeepSeek ha tenuto costante il design centrale e ha riportato un agente molto più forte dopo aver cambiato i pesi post-addestrati e avvolto il modello in un protocollo tool e una superficie di serving migliori.

Non dimostra che basti il post-training. Dimostra che la performance agentica appartiene a uno stack:

architettura di base
├── pesi di policy post-addestrati
├── regime di reasoning effort
├── encoding di messaggi e tool
├── harness, tool e retry
├── runtime e decode speculativo
└── prezzo, concorrenza e limiti operativi

Il conteggio dei parametri descrive solo una parte di quello stack. Il benchmark appartiene a tutto.

La lettura scientifica è quindi a doppio taglio. Da un lato, il metodo di famiglia V4 spiega già come possano apparire grandi guadagni senza un nuovo transformer: specialist di dominio, GRPO, reward generative, distillazione on-policy multi-teacher, regimi di effort addestrati e un contratto di continuità nativo per gli agenti. Sono tecnologie reali, documentate nel report, e agiscono direttamente sui comportamenti che i benchmark agentici misurano.

Dall’altro lato, il delta di luglio resta sotto-identificato. DeepSeek non ha pubblicato mix di dati, teacher, reward, compute o ablation di 0731. L’harness di lancio non era rilasciato. Due righe sono interne. L’evidenza indipendente supporta un caso forte di prezzo/intelligenza, ma non una riproduzione della tabella a nove righe del vendor.

La conclusione non ovvia, allora, non è “Flash è diventato magicamente potente.” È più netta:

Quando un modello di base ha abbastanza capacità long-context e rappresentazione rilevante per i tool, il lavoro a leva più alta che resta è spesso l’apprendimento di policy e il design di sistema — e l’evidenza pubblica di quella leva può apparire spettacolare molto prima che la ricetta causale sia pienamente divulgata.

Leggi 0731 come misura di quella leva. Non come una nuova storia di architettura, e non come un resoconto scientifico finito del perché ogni punto si sia mosso.

Stato: record delle fonti verificato il 31 luglio 2026. L’API V4-Flash era in public beta; l’ufficiale V4-Pro era ancora in attesa.

Fonti primarie: changelog DeepSeek, scheda 0731 e pesi con licenza MIT, report tecnico V4, config ufficiale, Models & Pricing, Rate Limit & Isolation, Responses API, Thinking Mode, riferimento encoding, nota di lancio V4 di aprile e ricetta di deployment vLLM. Misura indipendente: Artificial Analysis. Ledger di ricerca: docs/research/deepseek-v4-flash-0731-source-dossier.md.