Il 31 luglio 2026 DeepSeek ha aggiornato il suo modello economico di punta con una nuova versione, DeepSeek-V4-Flash-0731. Non è un modello nuovo da zero, ma un "ri-addestramento" mirato dei pesi esistenti che, secondo i benchmark indipendenti, porta un salto notevole nelle capacità di programmazione e nei compiti agentici — a parità di prezzo. Ed è già scaricabile con licenza aperta su Hugging Face.
Cosa cambia rispetto alla versione precedente
Il dato più citato viene da Artificial Analysis: sul suo Intelligence Index il nuovo checkpoint segna 50 punti, dieci in più rispetto al DeepSeek-V4-Flash precedente. È un guadagno consistente per un aggiornamento che DeepSeek stessa descrive come un "re-post-training" più che come un riaddestramento completo. I miglioramenti più marcati riguardano scrittura di codice, uso di strumenti e capacità di portare a termine compiti in più passaggi, il terreno su cui si giocano gli agenti IA.
Architettura e prezzi
Sotto il cofano c'è un'architettura Mixture-of-Experts sparsa: circa 284 miliardi di parametri totali, di cui solo 13 miliardi attivi per ogni token generato. È il meccanismo che permette a DeepSeek di offrire prestazioni elevate a costi bassissimi. La finestra di contesto resta enorme, fino a circa un milione di token, con un output massimo di 65.536 token. Sul fronte prezzi la strategia è aggressiva e invariata: 0,14 dollari per milione di token in ingresso e 0,28 dollari per milione in uscita, con un costo ancora più basso quando la richiesta beneficia della cache. Per dare un'idea, sono tariffe di uno o due ordini di grandezza inferiori a quelle dei modelli di frontiera occidentali.
Come provarlo: app, API e OpenRouter
Ci sono tre strade per mettere le mani sul modello, dalla più semplice alla più tecnica:
- App e sito di DeepSeek: si può chattare gratuitamente da browser o app, il modo più immediato per farsi un'idea.
- API ufficiale DeepSeek: compatibile con lo standard OpenAI, quindi si integra in pochi minuti in qualsiasi progetto già pensato per quelle librerie, cambiando solo l'indirizzo dell'endpoint e la chiave.
- OpenRouter: un intermediario che espone il modello con l'identificativo
deepseek/deepseek-v4-flash-0731, utile per confrontarlo con altri modelli senza aprire più account.
Un esempio pratico con Python
Ecco una chiamata minima via OpenRouter, usando la libreria openai (che funziona perché l'endpoint è compatibile). Sostituisci la tua chiave e lancia:
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="LA_TUA_CHIAVE_OPENROUTER",
)
resp = client.chat.completions.create(
model="deepseek/deepseek-v4-flash-0731",
messages=[
{"role": "system", "content": "Sei un assistente conciso in italiano."},
{"role": "user", "content": "Scrivi una funzione Python che verifica se una stringa e' palindroma, ignorando spazi e maiuscole."},
],
)
print(resp.choices[0].message.content)Il risultato atteso è una funzione ben scritta, con la normalizzazione della stringa (rimozione degli spazi e conversione in minuscolo) e il confronto con la sua versione invertita, spesso accompagnata da un paio di esempi d'uso. Con la stessa struttura si possono costruire agenti, pipeline di analisi o assistenti di codice a costi molto contenuti.
Pesi aperti su Hugging Face e quando conviene
Chi vuole il controllo totale può scaricare i pesi: il modello è pubblicato come deepseek-ai/DeepSeek-V4-Flash-0731 con licenza MIT, la più permissiva, che consente anche l'uso commerciale. Attenzione però ai requisiti: con 284 miliardi di parametri totali serve un'infrastruttura importante (più GPU con molta memoria, o versioni quantizzate) per eseguirlo in locale, per cui per la maggior parte degli utenti la via dell'API resta la più pratica. DeepSeek-V4-Flash-0731 conviene quando servono volumi elevati a basso costo — assistenti, automazioni, elaborazione di grandi quantità di testo o codice — mentre per i compiti di ragionamento più estremi restano più forti i modelli di fascia alta. In sintesi: un aggiornamento silenzioso ma sostanzioso, che alza ancora l'asticella del rapporto qualità/prezzo nell'open source.
