DeepSeek V4 Flash 正式版上线当天，我们让它连续写小说：复读少了，high/max 却会把 32K 也吃进思考

这次最值得写在开头的，不是一个漂亮排行榜，而是一条空回复：请求返回 HTTP 200，output_tokens=8191，reasoning_tokens=8191，正文 0。模型不是没工作， 而是在用户看不见的地方想了近两分钟，然后把整段输出额度用光。

7 月 31 日，DeepSeek 在官方更新日志宣布 DeepSeek V4 Flash 正式版 API 上线公测。稳定调用名仍是deepseek-v4-flash；changelog 里的日期标签只是托管版本备注，不是新的模型字符串。我们先用官方/v1/models确认目录，再直连官方端点完成 Chat、Responses、Agent、长篇、RP 和写卡测试； 每个 case 只发一次，没有自动重试。

考卷：不是一句“你好”，而是连续写下去

协议分三层。第一层是 Chat 与 Responses SSE 加 Responses Agent 两步工具闭环；第二层复用既有 M69 考卷，在同一本中文长篇、同一起点、同一 21500 字滚动窗口下连续写 20 轮，与上线前 Preview 链对比； 第三层完全使用原创素材，none、low、high、max 各跑连续 12 轮，再补两张原创 RP 卡和一次四题材写卡。

原创长篇每轮明确要求 450–700 个中文字符、推进一个新动作或信息、不复述已发生剧情。这个长度闸很重要： “成功返回正文”只能证明接口完成，不能证明模型听话，更不能证明故事写得好。

20 轮对比：复读从 72.0% 降到 1.2%，文风却更远

进步很具体：旧链第 14 轮与此前内容出现 72% 的机械重叠，正式版链最坏只有 1.2%，20 轮全部唯一。代价也很具体：它更愿意自己扩写，三轮超过 500 字、两轮超过 1000 字，结构画像离原著更远。 两位盲评员最终 1:1——一位判 Preview 文风和事实更稳，一位判正式版推进更强、没有“倒带”。

这组结果不支持“正式版全面提升 X%”。更准确的说法是：它把复读风险换成了更强的自主推进， 而自主推进有时就是擅自增加人物动机、规则和长段落。

8K 四档：none/low 跑满，high/max 会在正文前用完

none 和 low 的问题不是“没生成”，而是写得太长：要求 450–700 字，两档都是 0/12 合规，none 正文中位 921 字，low 达 1303 字。low 还更慢、更贵，没有在这条链上换来可见质量收益。

32K 复测：长篇获救，质量没有自动变绿

随后只改一个变量，把 high 和 max 的输出上限放到 32768，各重新跑一条原创 12 轮链。两条都 12/12 完成且有正文，说明 32K 对普通长篇确实有效；但长度、事实和叙事结构留下了更有价值的结果。

这次 high 反而比 max 思考更多、更慢、更贵。单次样本不能证明 high 永远比 max 重， 却足以否定“effort 档位就是单调的 token、速度或质量旋钮”。max 的主线更清楚，从 47 号柜一路推进到旧南闸、真管和主钟；同时也更臃肿，12 轮用了 55 次“像”，high 是 23 次， 两条链都反复套用“物件严丝合缝——弹出下一条线索”的机关流水线。

high 更克制，但事实纪律更差：时间先说往后拨、后面改成往前拨；墙上刻痕从 17 道变 7 道；同一块柳叶铜片一边在台面组装，一边又留在值班簿原位。max 也会硬填未给事实， 包括把手术金属扣解释成姐姐安装的拾音针，以及凭空落下一个精确日期。两条链几乎没有逐字复制， 病在语义和结构模板，不在复制粘贴。

我们另取两条链的第 1–2、6–7、11–12 轮做 A/B 匿名包，两位独立评审都在不知道档位的情况下判 B 小胜，置信度分别 0.77 和 0.76；揭盲后 B 是 max。两份评审都认为 max 的人物反应、因果衔接和语言节制更稳， 也都指出 high 晚段给出的“白塔号可能没有出海”“岑野当晚在船上”是更有分量的主线推进。 这是一场小胜，不足以把 max 升成默认档，尤其考虑到它后面的写卡归零。

复杂写卡揭示了 32K 的边界

high 的四题材卡在 32K 下完成：四卡结构、700–1000 字开场和示例对话全部通过，禁词 0，跨卡 15-gram 重合仅 0.08%；但它用了 30057 输出 tokens，其中 27099 是 reasoning，首正文等待 236 秒。都市与古风卡成品较好，怪谈卡出现楼层算术和状态冲突，网游卡则在已经进入队伍语音后又问“能不能上游戏看看”。

更关键的是 max：同一张 32K 考卷，32767 tokens 全部是 reasoning，正文仍是 0， 等待 293.9 秒、成本 0.00918 美元。此前另一次 max 32K 写卡曾在 16617 输出 tokens 时成功完成四卡； 一成一败说明：对已确认具备大输出窗的模型，32K 能降低截断概率；它不是能力保证，也不能 原样下发给小窗口 BYOK。更完整的预算解释见8K、16K、32K 的 reasoning 截断实测。

RP：长度全绿，人物事实仍会乱补

high 4K 的两张原创角色卡共 8 轮，8/8 有正文且 8/8 落在 180–350 字，首正文中位 2.9 秒。人工通读仍抓出三种问题：替用户断言“不敢醒”的内心、为了化解伦理质疑临时编出母亲的许可式原话、 记录“借了伞”而用户从未借伞。长度闸通过，不等于角色扮演质量通过。

Responses Agent 与缓存：能用，但 required 组合不能用

Chat SSE 和 Responses SSE 都正常。Agent 使用 Responses 无状态两步方式：第一步返回 function call， 客户端执行工具，第二步重放 reasoning、function call 和 function_call_output。tool_choice=auto时两步都是 200，最终答案正确，第二步命中 512 个缓存 tokens。

thinking=max + tool_choice=required 则稳定返回 400：Thinking mode does not support this tool_choice。所以“模型支持工具”不等于所有 OpenAI 参数组合兼容；生产适配器应使用 auto 加清晰提示，不要机械强制 required。

费用、缓存与最终建议

发布日第一批全部官方调用约 0.07994 美元；新增 32K 质量批 34 次调用约 0.07195 美元。Responses 内容链都能看到 cached_input_tokens，但 cache_write_tokens 始终是 null， 因此只能证明缓存读取命中，不能虚构写入 token。价格按DeepSeek 官方定价页当日牌价计算， reasoning 已包含在输出 token，不重复收费。

给小说 App 的建议很清楚：普通续写默认 none 或 low；需要复杂规划时单次升档；high/max 至少给到 32K， 但仍要识别 incomplete/length + 正文0；“关闭思考”必须显式传 Responsesnone或 Chat thinking=disabled，省略字段会回到模型默认。服务端可以保留计费预扣， 但不能再用统一 8K 把 reasoning 和正文挤在同一个旧包络里。

样本边界也照实写：20 轮对比只有一本书、一个起点、每版一条链；32K high/max 各一条 12 轮链，无法证明普遍胜率。它能证明的是几个稳定的工程事实：正式版少了机械复读，effort 与真实思考量不单调， 32K 能救多数高思考长篇，却仍救不了每一次复杂 max 任务。

如果你正在 DeepSeek、Luna 和 Terra 之间选型，见三款模型的价格、长篇与 Agent 对表； 新文会明确区分同场证据和跨考卷建议，不把两套分数硬拼成总榜。