DeepSeek ha reso disponibile il 31 luglio 2026 la versione ufficiale dell’API di V4 Flash, inizialmente distribuita in beta pubblica. L’aggiornamento, identificato dalla sigla 0731, conserva architettura e dimensioni della precedente preview, ma migliora in modo sensibile il comportamento del modello nei compiti che richiedono l’uso di strumenti, l’esecuzione di codice e la gestione di procedure articolate.
Il dato che ha attirato maggiore attenzione riguarda però il prezzo. Artificial Analysis stima per V4 Flash 0731 un costo medio di circa 0,03 dollari per ciascuna attività della propria suite di valutazione. Kimi K3 raggiunge 0,86 dollari, GPT-5.6 Sol 1,86 dollari e Claude Fable 5 3,15 dollari. Nel confronto con quest’ultimo, il modello di DeepSeek risulta quindi circa 105 volte meno costoso.
Indice degli argomenti
Deepseek Flash 0731
Ricordiamo che Deepseek, arrivato a gennaio 2025, è stato il momento di sveglia fredda in cui tutto il mondo si è reso conto di due cose: che la Cina era a un passo dagli Usa per sviluppo di una AI di frontiera (ora è a pochi mesi di distanza secondo il consenso degli esperti) e che è possibile fare un modello AI potente con costi inferiori, sia di training sia di inferenza.
Tutto ciò che fa Deepseek è visto quindi con attenzione, dagli utilizzatori finali come da chi guarda a questo tema con interesse geopolitico. Anche se ora ci sono modelli AI cinesi forse più forti, come Kimi K3, Deepseek resta il simbolo di una rivoluzione.
Va detto che i tre centesimi di cui sopra non rappresentano il prezzo fisso di una domanda generica. Sono una media ottenuta su un insieme definito di test, influenzata dalla quantità di testo elaborata, dalla lunghezza delle risposte e dal numero di passaggi necessari per completare ogni prova. Il confronto resta comunque significativo, soprattutto per i servizi che effettuano milioni di chiamate e nei quali anche differenze minime nel costo unitario possono modificare la sostenibilità economica dell’intero sistema.
I costi di DeepSeek V4 Flash 0731 e il ruolo della cache
Il listino ufficiale di DeepSeek prevede un costo di 0,14 dollari per milione di token in ingresso quando il contenuto non è già presente nella cache. L’output costa 0,28 dollari per milione di token, mentre gli input recuperati dalla cache scendono a 0,0028 dollari. In questo caso il risparmio rispetto a un cache miss raggiunge il 98 per cento.
Il meccanismo è particolarmente utile nelle applicazioni che inviano più volte gli stessi prefissi, come le istruzioni di sistema, la documentazione di un progetto o una cronologia conversazionale estesa. Un agente impegnato a lungo sul medesimo repository, per esempio, può riutilizzare una parte consistente del contesto senza pagarla ogni volta alla tariffa ordinaria.
Il vantaggio effettivo dipende dalla struttura del servizio. Un’applicazione che cambia continuamente documenti e istruzioni avrà pochi cache hit; un sistema che lavora su materiali ricorrenti potrà invece ridurre sensibilmente la spesa. DeepSeek ha anche annunciato una futura tariffazione per fasce orarie. Nei periodi di picco, indicati tra le 9 e le 12 e tra le 14 e le 18 secondo l’ora di Pechino, i prezzi dovrebbero raddoppiare. Al momento dell’annuncio non era ancora stata comunicata la data di entrata in vigore.
Prestazioni di V4 Flash 0731 tra benchmark indipendenti e dati aziendali
Nell’Artificial Analysis Intelligence Index, V4 Flash 0731 ha raggiunto 50 punti, dieci in più rispetto alla versione Flash precedente. Il risultato lo colloca allo stesso livello di Gemini 3.6 Flash, un punto dietro GLM-5.2 e Muse Spark 1.1 e sette punti sotto Kimi K3, che mantiene il vantaggio tra i modelli open weight inclusi nel confronto.
L’indice combina nove prove dedicate a programmazione, ragionamento, conoscenza e attività agentiche. Va letto come uno strumento comparativo, non come una misura assoluta dell’intelligenza di un sistema. All’interno di questa metodologia, V4 Flash 0731 migliora in tutte le valutazioni considerate. Raggiunge il 50 per cento in SciCode, il 37 per cento in Humanity’s Last Exam, il 66 per cento in AA-LCR e il 91 per cento in GPQA Diamond.
Il progresso più evidente emerge nei compiti operativi. Nel benchmark GDPval-AA v2, dedicato ad attività professionali eseguite da agenti, il punteggio Elo passa da 1.189 a 1.559. In Terminal-Bench 2.1, nella configurazione utilizzata da Artificial Analysis, il risultato cresce di 17 punti e arriva al 79 per cento.
La nuova versione produce anche meno testo per completare l’intera suite. L’output scende da circa 234 a 206 milioni di token, con una riduzione del 12 per cento. V4 Flash rimane più verboso della mediana della categoria, ma la minore quantità di token generati contribuisce direttamente a contenere il costo finale.
Le valutazioni di DeepSeek e i limiti di replicabilità
Le valutazioni pubblicate dal produttore descrivono prestazioni ancora più elevate. DeepSeek dichiara 82,7 punti in Terminal Bench 2.1, 70,3 in Toolathlon Verified, 54,4 in DeepSWE e 25,1 nella sezione pubblica di AutomationBench. Per DSBench-FullStack e DSBench-Hard riporta rispettivamente 68,7 e 59,6 punti.
Questi risultati vanno separati dalle misurazioni indipendenti. Le prove pubbliche dedicate agli agenti di programmazione sono state condotte con la modalità minima di DeepSeek Harness, un framework che non era ancora disponibile al momento del rilascio. DSBench-FullStack e DSBench-Hard sono invece benchmark interni.
Le cifre mostrano dunque il comportamento del modello nelle condizioni definite dall’azienda, ma la riproducibilità esterna rimane limitata. Nei test agentici, inoltre, il punteggio dipende anche dagli strumenti messi a disposizione, dal numero massimo di interazioni, dal budget di ragionamento e dalle regole con cui viene gestito il contesto. Il modello rappresenta solo uno degli elementi dell’intero sistema sottoposto a valutazione.
Architettura e contesto lungo di DeepSeek V4 Flash 0731
DeepSeek afferma che V4 Flash 0731 mantiene struttura e dimensioni della versione preview. Il miglioramento deriva dal post-training, la fase nella quale un modello già preaddestrato viene affinato per seguire meglio le istruzioni, ragionare, utilizzare strumenti e completare attività composte da più passaggi.
V4 Flash adotta un’architettura Mixture of Experts con 284 miliardi di parametri complessivi. Per elaborare ogni token ne vengono attivati circa 13 miliardi. In questo modo il sistema evita di coinvolgere l’intera rete a ogni passaggio e riduce il lavoro computazionale rispetto a un modello denso di dimensioni equivalenti.
Il rapporto tecnico della famiglia V4 descrive una struttura di attenzione ibrida che combina Compressed Sparse Attention e Heavily Compressed Attention. Sono presenti anche le Manifold-Constrained Hyper-Connections, progettate per rendere più stabile la trasmissione delle informazioni tra gli strati, e il sistema Multi-Token Prediction già adottato nelle generazioni precedenti.
All’infrastruttura di serving della famiglia V4 è collegato anche DSpark, un sistema di speculative decoding. Un modello ausiliario propone gruppi di token che vengono poi verificati dal modello principale. Nel documento dedicato, DeepSeek dichiara aumenti della velocità per utente compresi tra il 60 e l’85 per cento rispetto alla precedente soluzione MTP-1, a parità di throughput. Sono misurazioni effettuate dall’azienda sul proprio ambiente di produzione.
Un milione di token non equivale a una memoria infallibile
L’API di V4 Flash 0731 supporta una finestra contestuale da un milione di token e un output massimo dichiarato di 384.000 token. Il modello elabora esclusivamente testo e non accetta in modo nativo immagini, audio o video.
Una finestra così ampia permette di inserire grandi raccolte documentali, repository software e lunghe sequenze di interazioni con strumenti. La quantità di testo accettata, tuttavia, non coincide con una memoria infallibile. All’aumentare del contesto, recuperare ogni dettaglio con la stessa precisione diventa più difficile, e la capacità nominale non garantisce una comprensione uniforme di tutto il materiale fornito.
Secondo un’analisi tecnica pubblicata da Hugging Face sulla famiglia V4, la variante Flash richiede, a un milione di token, circa il 10 per cento delle operazioni necessarie a DeepSeek V3.2 per generare un nuovo token e circa il 7 per cento della memoria destinata alla KV cache. I valori derivano dall’architettura originaria di V4 Flash, rimasta invariata nella versione 0731, e aiutano a spiegare come DeepSeek riesca a offrire contesti molto lunghi a prezzi tanto contenuti.
Le allucinazioni restano il limite di DeepSeek V4 Flash 0731
Il punto più critico emerge da AA-Omniscience, la valutazione utilizzata da Artificial Analysis per misurare l’affidabilità delle risposte fattuali. V4 Flash 0731 registra un tasso di allucinazione dell’84 per cento, contro il 96 per cento della versione precedente. L’accuratezza resta invece ferma al 37 per cento.
Quel valore riguarda esclusivamente le domande e i criteri adottati dal benchmark e non può essere esteso al comportamento generale del modello. Il miglioramento deriva soprattutto dalla riduzione delle risposte false. V4 Flash 0731 mostra una maggiore propensione a non rispondere quando non dispone di informazioni sufficienti, senza però aumentare la quota di risposte corrette.
Nelle applicazioni sensibili, il vantaggio economico deve quindi essere accompagnato da strumenti di verifica. Il modello può essere collegato a fonti controllabili, affiancato da sistemi di recupero documentale e inserito in procedure che prevedano controlli automatici o supervisione umana.
DeepSeek V4 Flash 0731 nella crescita dell’AI cinese open weight
Il rilascio di V4 Flash 0731 va letto all’interno di un cambiamento più ampio, come detto.
La Cina non sta soltanto riducendo la distanza dai modelli statunitensi nelle classifiche: sta costruendo un’offerta sempre più ampia di modelli con pesi scaricabili, economici da utilizzare e sufficientemente avanzati da essere adottati in applicazioni reali. DeepSeek, Moonshot AI con Kimi, Alibaba con Qwen, Z.ai con GLM e altri sviluppatori cinesi competono ormai su programmazione, ragionamento, contesti lunghi e capacità agentiche.
Kimi K3 ha ridotto ulteriormente il divario percepito rispetto ai sistemi di frontiera statunitensi. Secondo le valutazioni riportate da Vox, il vantaggio occidentale, che fino a poco tempo fa veniva stimato tra sei e dodici mesi, potrebbe essersi ristretto a due o tre mesi. È una stima, non una misura incontrovertibile, ma segnala un cambiamento di aspettative: i modelli cinesi non sono più considerati soltanto alternative a basso costo, bensì concorrenti capaci di spostare il ritmo e le condizioni economiche dell’intero mercato.
La disponibilità dei pesi è una parte decisiva di questo vantaggio. Un modello open weight può essere eseguito su infrastrutture proprie, adattato a un settore, quantizzato, sottoposto ad audit e integrato senza dipendere in ogni momento dall’API del produttore. “Open weight” non significa però necessariamente open source: spesso non sono pubblicati i dati di addestramento, il codice completo del processo, le scelte di filtraggio o tutte le informazioni necessarie a riprodurre il modello. La maggiore controllabilità operativa convive quindi con una trasparenza ancora parziale.
Perché i costi dei modelli cinesi cambiano la competizione
Il prezzo di DeepSeek non rappresenta soltanto un vantaggio commerciale. Se modelli adeguati a molti compiti diventano disponibili a una frazione del costo dei concorrenti occidentali, aumenta il numero delle imprese che può adottarli, sperimentarli e incorporarli nei propri prodotti. La competizione si sposta così dalla ricerca del modello assolutamente migliore alla disponibilità del miglior rapporto tra capacità, costo, latenza e controllo.
Questa pressione può comprimere i margini dei fornitori statunitensi e rendere più difficile recuperare gli enormi investimenti in chip, data center ed energia. Può inoltre favorire una progressiva trasformazione dei modelli di base in componenti sostituibili, mentre il valore si concentra nei dati proprietari, nell’integrazione con i processi, negli strumenti agentici, nella distribuzione e nell’infrastruttura. Per molte applicazioni aziendali un modello meno potente, ma molto più economico e installabile localmente, può risultare preferibile a un sistema di frontiera accessibile soltanto attraverso un servizio cloud esterno.
C’è poi un effetto indiretto. Le restrizioni statunitensi all’esportazione dei semiconduttori più avanzati miravano a rallentare lo sviluppo cinese, ma hanno anche incentivato un lavoro intenso sull’efficienza: architetture sparse, riduzione della memoria, ottimizzazione dell’inferenza e uso più selettivo della capacità computazionale. Non è possibile attribuire ogni innovazione ai controlli sulle esportazioni, ma il vincolo sulle risorse ha contribuito a rendere l’efficienza un terreno centrale della competizione cinese.
Il dilemma occidentale tra apertura e sicurezza
Per Stati Uniti ed Europa la crescita dei modelli cinesi apre un conflitto tra due obiettivi. Da un lato, pesi aperti e prezzi bassi favoriscono concorrenza, ricerca, autonomia degli sviluppatori e possibilità di verificare il comportamento dei sistemi. Dall’altro, modelli potenti e modificabili possono essere privati delle protezioni originarie e impiegati più facilmente per attacchi informatici, disinformazione o applicazioni militari.
Negli Stati Uniti si discute per questo di possibili limitazioni ai modelli open weight cinesi. Una risposta basata su divieti generalizzati rischierebbe però di produrre effetti contrari a quelli desiderati. Potrebbe ridurre l’accesso di ricercatori e imprese occidentali a strumenti competitivi, rallentare lo sviluppo di alternative aperte statunitensi ed europee e spingere una parte dell’ecosistema globale verso piattaforme cinesi. Una lettera pubblica firmata, tra gli altri, da Nvidia, Microsoft, Meta, IBM, Hugging Face e Mistral ha difeso i modelli open weight come leva di innovazione, concorrenza e cybersicurezza.
L’apertura, infatti, non genera soltanto rischi. Permette alla comunità di analizzare il modello, individuare vulnerabilità, sviluppare mitigazioni e costruire versioni specializzate. Nel recente incidente che ha coinvolto i sistemi di Hugging Face, gli ingegneri della società hanno utilizzato un modello open weight della cinese Z.ai per contribuire all’analisi dell’attacco. Il caso mostra quanto sia difficile dividere il mercato in modo semplice tra tecnologie “sicure” occidentali e tecnologie “pericolose” cinesi: capacità, origine, modalità di distribuzione e condizioni operative devono essere valutate separatamente.
I rischi specifici dei modelli cinesi
Questo non elimina i problemi legati alla provenienza. I modelli generativi distribuiti in Cina devono rispettare i valori e le regole politiche stabilite dalle autorità nazionali. Possono quindi rifiutare domande, selezionare informazioni o riprodurre narrazioni coerenti con le priorità del governo cinese. Se questi sistemi diventassero una componente diffusa dell’infrastruttura informativa globale, il loro comportamento potrebbe incidere non soltanto sui singoli utenti, ma anche sui prodotti, sui servizi educativi e sui sistemi aziendali costruiti sopra di essi.
Esistono inoltre interrogativi su sicurezza del software generato, aggiornamenti, telemetria, trattamento dei dati e dipendenza dal fornitore. Uno studio di Booz Allen citato da Vox ha rilevato, su quattro modelli cinesi utilizzati da sviluppatori statunitensi, una maggiore presenza di vulnerabilità nascoste nel codice prodotto da tre di essi rispetto ai modelli occidentali considerati. Il risultato non prova un comportamento intenzionale e non può essere generalizzato all’intera offerta cinese, ma conferma la necessità di test indipendenti prima dell’adozione.
L’uso dei pesi su infrastrutture controllate dall’azienda riduce alcuni rischi, perché dati e richieste non devono necessariamente raggiungere i server del produttore. Non risolve però i problemi incorporati nel modello, nella catena di fornitura o negli aggiornamenti. Al contrario, l’utilizzo tramite API può aggiungere rischi contrattuali e geopolitici: variazioni improvvise del servizio, restrizioni all’esportazione, obblighi imposti dalle autorità o indisponibilità regionale. Sono vulnerabilità che riguardano, con forme differenti, tanto i fornitori cinesi quanto quelli statunitensi.
L’Europa di fronte ai modelli AI cinesi a basso costo
Per l’Europa la competizione tra Stati Uniti e Cina è insieme un’opportunità e un segnale d’allarme. La disponibilità di modelli economici riduce il costo di accesso all’AI per imprese, pubbliche amministrazioni e centri di ricerca. I pesi scaricabili consentono inoltre di mantenere dati e inferenza in infrastrutture europee, un vantaggio importante nei settori regolati e nei casi in cui sovranità operativa, riservatezza e continuità del servizio contano più della prestazione massima.
Ma sostituire una dipendenza americana con una cinese non equivale a conquistare autonomia. L’Europa rischia di restare cliente dei modelli sviluppati altrove, dei chip progettati altrove e delle piattaforme cloud controllate da gruppi extraeuropei. Anche quando il modello può essere installato localmente, restano la dipendenza dalle architetture hardware, dagli strumenti di sviluppo, dagli aggiornamenti e dalle conoscenze accumulate dai produttori originari.
La risposta europea non dovrebbe quindi consistere nel chiudere il mercato, ma nel rendere possibile una scelta reale. Servono capacità di calcolo accessibili, modelli europei competitivi e aperti, infrastrutture cloud e di serving, competenze per valutarli e regole di procurement che evitino sia il lock-in sia automatismi fondati sul Paese d’origine. L’AI Act, le norme sulla protezione dei dati, la disciplina sulla cybersicurezza e gli obblighi settoriali offrono già criteri per valutare rischio, trasparenza e responsabilità; devono però essere tradotti in verifiche tecniche e contrattuali praticabili anche dalle imprese più piccole.
Per le aziende europee la scelta non dovrebbe essere ideologica. Prima di adottare un modello occorre distinguere almeno tra uso via API e installazione dei pesi, verificare dove transitano i dati, quali informazioni vengono conservate, chi può modificare il servizio, come vengono gestiti gli aggiornamenti e se esiste una strategia di uscita. Nei processi critici servono test comparativi su dati e compiti propri, controlli sul codice generato, monitoraggio delle allucinazioni e un’architettura multi-modello che permetta di sostituire il fornitore senza ricostruire l’intera applicazione.
La crescita cinese rende infine meno credibile l’idea che la corsa all’AI possa essere governata soltanto proteggendo pochi campioni nazionali. Se capacità avanzate diventano economiche, replicabili e distribuibili, il vantaggio strategico dipenderà sempre più dalla diffusione della tecnologia nell’economia, dalla qualità delle istituzioni, dalla disponibilità di energia e calcolo e dalla capacità di trasformare i modelli in produttività. È su questo terreno, più che sulla sola classifica dei benchmark, che l’Europa rischia di accumulare il ritardo maggiore.
Il risultato più importante riguarda la scala. Quando un servizio genera milioni di chiamate e grandi quantità di token, una differenza di pochi centesimi può cambiare la sostenibilità economica dell’intera infrastruttura. DeepSeek V4 Flash 0731 non elimina i problemi di affidabilità e non rende equivalenti modelli progettati per compiti diversi. Mostra però che prestazioni competitive nei test agentici possono essere offerte a costi sensibilmente inferiori rispetto a quelli dei sistemi di frontiera più costosi.
Bibliografia
• DeepSeek API Documentation, “Models & Pricing”
• DeepSeek API Documentation, “Change Log”, aggiornamento del 31 luglio 2026
• DeepSeek, “DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence”
• DeepSeek, “DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation”
• DeepSeek, scheda ufficiale di DeepSeek-V4-Flash-0731
• Artificial Analysis, analisi di DeepSeek V4 Flash 0731
• Hugging Face, “DeepSeek-V4: a million-token context that agents can actually use”
• Reuters, “DeepSeek’s new AI model is by far the cheapest of well-known models to run”
• Tom’s Hardware Italia, “Il nuovo V4 DeepSeek costa 100x meno di Claude Fable 5”
• Vox, “The US might lose the AI race to China. Should Americans care?”, 3 agosto 2026
Partecipa alla community