大家好，我是 AI 超元域。
DeepSeek V4 Flash 0731 的吸引力很直接：调用便宜，Agent 能力也值得测试。这期我把它接入 Claude Code，连续尝试飞船、骑马游戏、齿轮、SVG、Manim、Godot 和 iOS 应用。结果既有能运行的背单词 App，也有完成度明显不足的恐龙坦克游戏。
本文整理自 2026 年 7 月 31 日发布的视频及匹配本期案例的校正讲稿。本次没有重新取得 YouTube 字幕导出，也没有重跑这些项目。耗时、界面状态与使用体验均为当时的演示记录；下面会把官方发布信息、实际案例和使用建议分开。
如果播放器无法加载，可以前往 YouTube 观看完整视频。
先区分 0731 更新与今天的 API
DeepSeek 官方更新日志的 2026 年 7 月 31 日条目说明，这次更新针对 V4 Flash API，保持此前 Preview 的架构和规模，主要重新进行了后训练；当时 App、网页和 V4 Pro 并未同步升级。官方代码 Agent 基准采用了 DeepSeek Harness minimal 模式等特定设置，本期则使用 Claude Code，二者不能直接当成同一套评测。
还有一个对今天复现很重要的变化：同一日志在 9 月 10 日记录了 V4.1 Flash 上线，旧的 V4 Flash 模型名临时路由到新模型。因此，本文是 0731 版本的历史实测，不应拿相同的旧模型名调用今天的 API，再认为测到的还是当时版本。上述官方信息在 2026 年 10 月 24 日整理时核对。
01:24 的接入环节展示环境变量和模型选择。文章不提供未经重新验证的旧版配置教程，也不把模型的自我介绍当作可靠规格。视频曾询问知识截止日期，但一次问答和一道时事题不足以独立验证训练截止时间。
飞船：多步骤任务能走通，光影仍有差距
02:19 的第一个开发案例要求先搜索小说《极光》，再用合适的前端技术还原飞船。这不只是写一段绘图代码，还包含联网搜索、整理结构信息和实现动态场景。
约 20 分钟后，项目可以打开并用鼠标拖动查看。演示中包含尾焰、分成两部分的载人舱、前方结构和背景星空。我当时认为整体效果不错，但 Kimi K3 对照作品的光影和可辨识度更好。
这能证明本轮搜索到代码生成的链路完成了，不能据此认定小说全部细节都被正确还原，也不能把一次主观视觉比较写成通用能力排名。
骑马游戏：环境成立，马的结构和操控还不够好
04:08 的任务参考《荒野大镖客》的骑马场景，要求移动、转弯和探索。约半小时完成后，可以听到风声和马蹄声，看到落叶、云和昼夜变化，天黑后房屋也会亮灯。
但马的头和身体有分离感，造型没有很好地连接起来。与展示的 Kimi K3 版本相比，马的细节和可操控性也有差距。这个例子很能体现 Flash 的特点：它能把多个环境元素组合起来，但角色结构和输入反馈仍需要继续验收。
齿轮与 SVG：有动画，不等于所有视觉约束正确
05:30 的古戈尔齿轮约 14 分钟完成。不同齿轮呈现出明显不同的转速，也有光影效果；问题是齿轮没有连接在一起。
因此，不能只因为“第一个转得快、后面的转得慢”就说机械传动完全正确。本期的判断是转速表现看起来符合要求，但结构仍然粗糙，没有独立测量齿数、接触关系或精确速比。
06:36 的 SVG 灯泡完成得较快，具备逐步绘制的过程。但与 Kimi K3 的同题结果相比，线条和绘制风格不够接近手绘。这里的问题不是“没有实现动画”，而是动画风格与需求还有距离。
Manim：表达式、曲线、顶点和零点都进入了结果
07:31 的二次函数可视化要求用 Manim 显示表达式、绘制曲线并标注关键点。播放生成的视频时，可以看到公式、顶点、零点和绘制过程，我当时评价动画比较流畅。
这是编写代码后通过 Manim 渲染视频的工作流，不是模型直接输出视频。本期没有保留足以复算的完整函数与渲染参数，所以本文只记录实际展示的组成部分，不增加数学精度或画质参数的结论。
Godot：可以运行，但距离合格的游戏原型还有明显差距
08:30 的复杂任务是在已经初始化的 Godot 4 项目中制作侏罗纪坦克射击游戏。
讲稿前面用“大约 40 分钟”描述等待，随后记录为 39 分钟，Claude Code 界面上下文占用达到 96%。打开后能够看到坦克、发射炮弹和 UFO，但坦克方向不好控制，恐龙造型和数量也不符合预期。
这一轮必须准确描述为：游戏能启动，有部分交互，但要求的大量效果没有实现。不能把它改写成完全不能运行，也不能因为成功打开就认定开发成功。
96% 是当时客户端显示的上下文状态，并不直接证明模型真实输入已经达到一百万 Token；缺少调用日志和客户端配置，无法把这个百分比精确换算成模型上下文使用量。它至少提示我们，长任务接近这套工具当时的会话边界时，应该关注剩余空间和任务完成情况。
iOS 背单词：约 24 分钟，能编译，也有明确 Bug
10:00 的原生 iOS 任务约 24 分钟完成，当时界面上下文显示 100%。项目在 Xcode 中编译成功，并在模拟器里打开。
演示检查了这些功能：
- 单词发音、收藏和卡片翻转。
- 学习完成后的今日进度。
- 听力测试与错题回顾。
- 成就徽章、每日学习量和提醒设置界面。
其中一个明确的问题是，切换为深色主题后，页面仍然保持浅色。我当时把它评价为可以正常运行的简单 MVP，而不是已经没有缺陷的成品。提醒设置有界面，也不意味着通知在所有权限和后台状态下都经过了测试。
这个结果与 Godot 的失败形成了很好的对照：同一个模型面对不同技术栈和任务复杂度，完成度可能相差很大，不能用某一个项目代表全部开发场景。
约 1.42 元，适合怎样理解
12:20 的费用与总结中，开始时记录余额约 20 元，结束后为 18.58 元；公开视频简介把整轮消耗记为约 1.42 元。这里采用这个近似口径，不将起始余额的“大概”改成精确审计账单。
低调用成本确实使它适合尝试范围清晰的子任务。我当时提出一种用法：由更强模型负责规划，再让 Flash 执行拆分后的工作。但本期没有做“主模型加 Flash 子智能体”的成本和成功率对照，不能把这个建议写成已验证的最优方案。
对我来说，这期最有价值的结论是把便宜和交付质量一起看。飞船、动画和背单词 App 有可用成果；复杂 Godot 游戏则暴露了操控和需求覆盖问题。实际采用时，把验收标准拆到能够操作和检查的粒度，保留错误与返工成本，才知道低 API 价格是否真的转化成了更低的完成成本。