DeepSeek V4 Flash: modello della rete Gonka con contesto 380K

DeepSeek è un laboratorio AI cinese con sede a Hangzhou, diventato famoso a livello mondiale dopo i rilasci di V3 e R1: proprio R1 all'inizio del 2025 ha dimostrato che un modello aperto può competere con i flagship chiusi a una frazione del loro budget. Nell'aprile 2026 DeepSeek ha rilasciato la famiglia V4 composta da due modelli: il pesante V4 Pro e il leggero V4 Flash. Entrambi sono aperti (licenza MIT) ed entrambi sono costruiti sull'architettura MoE.

V4 Flash conta 284 miliardi di parametri, di cui circa 13 miliardi vengono attivati per ogni token. Tale sparsità rende il modello veloce ed economico da mantenere: richiede significativamente meno VRAM rispetto ai giganti "densi" e la velocità di generazione è superiore.

Nella rete Gonka è in funzione la versione V4-Flash-0731, una build re-post-training del 31 luglio 2026. L'architettura e le dimensioni non sono cambiate, ma la qualità nei compiti basati su agenti è aumentata drasticamente: secondo nove benchmark su agenti e coding pubblicati da DeepSeek, la build 0731 supera persino il loro flagship V4 Pro nella versione preview. Importante premessa per onestà: alcuni di questi dati sono misurazioni della stessa DeepSeek sul proprio banco di prova, non ancora rilasciato pubblicamente, quindi non c'è ancora una replica indipendente. Il divario con i modelli chiusi di frontiera rimane: Claude Opus 4.8 non viene superato dalla build 0731 in nessuno dei nove benchmark, ma costa ordini di grandezza in meno, e questo è il suo punto di forza: massima qualità agentica a una frazione del prezzo.

Come con gli altri modelli della rete, è importante distinguere le caratteristiche del modello "out of the box" dai parametri operativi del deployment specifico: questi sono definiti dalla configurazione dell'inferenza vLLM sugli host GPU della rete. I valori effettivi attraverso il nostro Gateway:

• Finestra di contesto: 380.000 token — una delle più lunghe della rete Gonka (solo GLM-5.3 Flash è più lunga — 390.000). L'abbiamo verificato empiricamente: una richiesta con input di 381.000 token è stata accettata e processata in decine di secondi. L'architettura stessa di V4 Flash supporta un contesto fino a 1 milione di token; il tetto pratico nella rete è determinato dalla configurazione degli host (finestra di inferenza 400.000).
• Output massimo: 32.768 token per risposta — il tetto più alto della rete: MiniMax M2.7 e GLM-5.3 Flash hanno un tetto quattro volte inferiore — 8.192; in entrambi i casi si tratta di configurazione del gateway, non di un limite del modello.
• Reasoning e tool calling: il modello è deployato con parser per il ragionamento e le chiamate agli strumenti — gli scenari agent (Cursor, Claude Code, LangChain) funzionano out of the box; abbiamo testato scenari tool multi-step su percorsi compatibili con OpenAI e Anthropic.
• Requisito VRAM dell'host: circa 280 GB — il modello più leggero della rete (per confronto: MiniMax M2.7 — 320 GB, GLM-5.3 Flash — 560 GB). Più bassa è la soglia hardware, più semplice è per gli host fare il deploy del modello — un buon segno per la sua disponibilità nella rete.

Il prezzo dell'inferenza nella rete Gonka non dipende dalla scelta del modello: DeepSeek V4 Flash è disponibile allo stesso prezzo di MiniMax M2.7 e GLM-5.3 Flash — tramite JoinGonka Gateway sono $0.0069 per milione di token di input e $0.021 per milione di token di output. Per riferimento: i provider di terze parti su OpenRouter offrono lo stesso modello a partire da $0.06/$0.12 per milione, e DeepSeek stessa entro settembre 2026 ha rimosso V4 Flash 0731 dalla propria API — le richieste a quel modello sono ora servite da DeepSeek-V4.1-Flash a $0.30/$1.20 nelle ore di punta. L'economia della rete è un tema a parte: il prezzo è determinato dal pagamento per il lavoro computazionale, non dal listino del vendor.

Nella rete sono presenti tre modelli operativi: DeepSeek V4 Flash, MiniMax M2.7 e GLM-5.3 Flash (Kimi K2.6 è stato rimosso dalla rete a settembre 2026, mentre GLM-5.2, a lungo presente nel registro, non è mai entrato in servizio attivo). Un breve confronto:

La conseguenza pratica del prezzo identico è che è possibile scegliere il modello esclusivamente in base al compito, senza pensare al budget. Se servono prompt grandi con risposte rapide e l'output più lungo possibile — DeepSeek V4 Flash; compiti che richiedono di riflettere su logiche complesse (e il contesto più lungo della rete) — GLM-5.3 Flash; un cavallo di battaglia affidabile per ogni giorno — MiniMax M2.7.

Risultati chiave pubblicati della build 0731 (secondo DeepSeek e aggregatori indipendenti):

• SWE-bench Verified: 79,0% — risoluzione di problemi GitHub reali; un livello che solo un anno fa era accessibile solo ai modelli di punta chiusi. Per confronto: Kimi K2.6, che la rete serviva in precedenza, era al 71,3%.
• GPQA Diamond: 88,1% — domande di livello post-laurea in ambito scientifico; la modalità di ragionamento estesa aggiunge precisione su compiti multi-step.
• Terminal Bench 2.1: 82,7 — lavoro nel terminale tramite agente; la versione preview di Flash era al 61,8, V4 Pro Preview al 72,1.
• DeepSWE: 54,4 — nuovo benchmark rigoroso di DeepSeek con un tasso di falsi positivi quasi nullo; la cifra è fornita dal vendor e lo standard non è ancora stato pubblicato, quindi va presa con cautela.

Il quadro onesto: su nove benchmark per agenti, la build 0731 supera la propria V4 Pro Preview, ma non Claude Opus 4.8; il distacco medio è di circa 6 punti. Allo stesso tempo, per il prezzo per token, il modello è più economico di Opus di due ordini di grandezza, e tramite la rete Gonka è circa ~9 volte più economico dello stesso modello presso provider terzi su OpenRouter. È proprio questo rapporto “qualità vicina alla frontiera a una frazione del costo” che lo rende interessante: misure indipendenti dettagliate possono essere consultate su Artificial Analysis, i pesi e la scheda del modello su Hugging Face.

Il modello è disponibile tramite JoinGonka Gateway con API compatibile sia con OpenAI che con Anthropic. Identificatore del modello: deepseek-ai/DeepSeek-V4-Flash-0731.

Il modo più rapido — un installer in un solo comando che configura il tuo strumento (Claude Code, OpenClaw, Cline, opencode, Aider e altri) direttamente su questo modello:

npx @joingonka/setup --model deepseek

Dove l'installer scrive da sé il config (Claude Code, Codex CLI, OpenClaw, opencode, Kilo Code, Hermes, Pi e altri), DeepSeek V4 Flash è impostato di default e senza flag. Il flag serve per cambiare uno strumento già configurato e dove l'installer stampa i valori da incollare (Cursor, Cline, Aider). Gli altri modelli della rete si scelgono allo stesso modo: --model minimax e --model glm.

Chiamata diretta all'API (formato OpenAI):

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer jg-your-key" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-ai/DeepSeek-V4-Flash-0731","messages":[{"role":"user","content":"Hello!"}]}'

Alla registrazione ricevi 3M token gratuiti — con un contesto di 380K è l'occasione per testare subito il modello su documenti di grandi dimensioni e codebase reali. Esempi passo passo in Python e TypeScript — nella API Quickstart; puoi provarlo senza registrarti nella chat gratuita, scegliendo DeepSeek V4 Flash dall'elenco dei modelli.

Scenari in cui questo modello dà il meglio:

• Documenti grandi e intere codebase. 380.000 token sono circa 280.000 parole: un report annuale, un pacchetto di documenti legali o un repository di medie dimensioni entrano in una sola richiesta, senza suddivisione in blocchi e senza perdita dei legami tra le parti.
• Sessioni agentiche lunghe. Un agente autonomo che legge file, chiama strumenti e accumula cronologia esaurisce il contesto più in fretta di tutto — una riserva di 380K token significa sessioni decisamente più lunghe senza reset della memoria.
• RAG con grandi campioni. Più documenti rilevanti entrano nel contesto, minore è la dipendenza dalla precisione della ricerca.
• Compiti di ragionamento. La modalità reasoning offre guadagni in matematica, scienze e logica multi-step — al prezzo di un modello normale.

Quando conviene un altro modello della rete: per compiti che richiedono di ragionare su logica intricata c'è GLM-5.3 Flash — il modello di reasoning della rete (un'analisi dettagliata dei modelli per lo sviluppo è nell'articolo sui migliori modelli per il codice), mentre MiniMax M2.7 resta un cavallo di battaglia collaudato per i compiti quotidiani. Grazie al prezzo unico, sperimentare è libero — cambiare modello è una sola riga nella richiesta.