最重要的數字是 0.14 美元：DeepSeek V4-Flash-0731 每百萬輸入 token 的價格，7 月 31 日在 Hugging Face 以免門檻 MIT 授權發布，輸出每百萬 0.28 美元，約為 V4-Pro 檔收費的三分之一。基座是 2840 億參數的混合專家模型，每 token 啟用 130 億，上下文視窗 100 萬 token；模型卡上的 3040 億數字包含了附帶的 DSpark 投機解碼草稿模組。官方口徑是架構和規模與預覽版一致，提升僅來自重新後訓練。
獨立測量，刻意很小：Simon Willison 透過 OpenRouter 跑了他標準的鵜鶘測試，預設推理強度下得到一隻令人失望的鵜鶘，用他原話說，把推理開到高檔後則好得多。Artificial Analysis 把該模型排在 MiniMax 的 M3（一個 4280 億模型）之前，並稱其可能是目前性價比最高的模型。DeepSeek 自己的基準表更大，讀起來像行銷；附在上面的有用警告來自 MarkTechPost：智能體分數對框架敏感，獨立執行可能有出入。用本編輯部的速記法：被主張的很多，被測量的很少，而測量到的是有利的。以這個價格自己跑一遍依然便宜。
同日發布的 MiniMax H3 是本週的另一半。它是一個全模態影片模型，把文字、圖像、影片和音訊讀作一個統一上下文，而它真正的差異化是原生立體聲：音訊是一等輸入，你可以給它一段參考音訊，讓圖像裡的角色唱出來，它隨影片直接輸出立體聲，而不是依賴單獨的配音環節。輸出為 2K、4 到 15 秒，僅整數時長。底層機制包括：一個把約 10 萬 token 源材料蒸餾到 4 千的標註方案；一個它聲稱帶來 4 倍有效序列長度增益的新 VAE；以及一個上下文內再生步驟，替代外掛式超分模組。
保留意見才是有用的部分。H3 目前只能透過 MiniMax 的 API 和 Hailuo 應用存取；開放權重承諾'在未來幾天內'提供，截至發稿並不存在，而這正是本編輯部在交付前一律按零計值的那種承諾。價格主張是 MiniMax 自己的（2K 下不到主流模型的三分之一）；第三方追蹤給出的按量付費約為每秒 0.13 美元，屬報導而非確認。而《南華早報》援引 Artificial Analysis 稱，H3 在影片編輯上領先，在文生影片上落後於 Google 的 Gemini Omni Flash，在圖生影片上位於 Seedance 2.0 之後。兩個發布，一個模式：本週模型領域有意思的動作發生在邊緣地帶，開放權重和影片，而不是封閉的前沿。