DeepSeek-V4-Flash 转正:不靠换架构,只做后训练重新发力 Agent

一、Preview 不算数,正式版看后训练

7 月 31 日,DeepSeek 在官方 API 文档的 Update Log 投下一条不算显眼但信息密度极高的更新:DeepSeek-V4-Flash 正式版 API 公测上线。调用方式不变,模型名直接设为 deepseek-v4-flash 即可。

这条更新最关键的反直觉之处在于:DeepSeek 明确声明,V4-Flash-0731 的模型结构、尺寸与 DeepSeek-V4-Flash-Preview 完全一致。换言之,这次"转正"既没有换架构,也没有扩参数,只是重新做了一遍后训练(post-training)。在动辄几万亿参数、几百万卡时的 LLM 行业里,这种"动训练不动架构"的迭代方式并不常见——它说明 V4-Flash 的底座已经被认为足够好,真正缺的是面向 Agent 场景的对齐。

二、Agent 基准大涨,Codex 适配是另一条主线

伴随这次更新,DeepSeek 同步放出了一组针对 Agent 能力的 benchmark:

  • Terminal Bench 2.1:82.7
  • NL2Repo:54.2
  • Cybergym:76.7
  • DeepSWE:54.4
  • Toolathlon verified:70.3
  • Agent Last Exam:25.2
  • Automation Bench (Public):25.1
  • DSBench-FullStack:68.7(内部全栈开发测试集)
  • DSBench-Hard:59.6(内部 Coding Agent 难题测试集)

官方说法是"显著增强的 agent 能力,benchmark 结果远超 V4-Pro-Preview"。这个对比对象挑得很有意思——既然 V4-Flash 在结构上是 Flash 体量,却能在 Code Agent 类任务上压过体量更大的 Pro-Preview,说明后训练阶段他们把大量精力压在了 Agent 路径上,而非传统的 NLP 通用能力。

测试条件也披露了:Code Agent 类任务用 DeepSeek 自家 Harness 最小模式(即将开源)做框架,effort 拉满,top_p=0.95、temperature=1.0。这意味着分数带一定的"上限运行"色彩——但反过来,对调用方也是好消息,只要给足 budget,Flash 也能跑出 Pro 级别表现。

另一个工程层面的细节是:V4-Flash 正式版原生支持 Responses API 格式,并针对 Codex 做了专门适配。配置文档已挂在 api-docs.deepseek.com/quick_start/agent_integrations/codex。这等于把 DeepSeek 模型摆到了 OpenAI Codex 客户端面前——对企业用户来说,迁移成本进一步下降。

三、不动 V4-Pro 与 Web 端,V4-Pro 正式版"很快"

官方刻意强调:本次只升级 V4-Flash 的 API,V4-Pro API 与 APP/WEB 模型均保持不变。这一句值得玩味:Flash 已经有了能压过 Pro-Preview 的 Agent 分数,那 Pro 正式版还有什么可发的?

DeepSeek 给出的答案是"V4-Pro 正式版将会尽快发布"。考虑到 V4-Flash 在 Code Agent 上的表现已经超过 V4-Pro-Preview,Pro 正式版大概率不是"Flash 的放大版",而是会在长上下文、复杂推理、多步规划上做出 Pro 级别的差异化定位。换句话说,DeepSeek 正在用 Flash 打 Code Agent 这一最卷、最容易看出"性价比"的战场,而把 Pro 留给真正需要深度推理的科研/金融/Agent 长链场景。

四、所以呢?

对开发者来说,这次更新最大的实际意义是:V4-Flash 已经具备作为 Coding Agent 默认底座的能力。Terminal Bench 82.7、DSBench-FullStack 68.7 这个数字组合,在开源 MoE 阵营里相当能打。对中小团队而言,意味着可以以更低成本跑类似 Codex 风格的工作流,不必死磕 GPT-5 或 Claude Opus。

对行业来说,DeepSeek 用行动验证了一件大家心里隐约知道、但少有人敢公开声明的事:模型能力的天花板,后训练阶段还有相当大的挖掘空间。只要底座规模够,后训练可以在不增加推理成本的前提下,把 Agent 能力再拉一档。这对所有"小模型 + 强后训练"的路线都是好消息。

接下来值得盯的两件事:V4-Pro 正式版的差异化点是什么;以及 DeepSeek Harness 最小模式开源后,会不会带动一波国产 Agent 框架的标准化。

参考来源