精选主题 · 2026-07-31

不换底座，DeepSeek 把 Flash 练成了 Agent

资料提供：前沿科技研究部

正在发生的事很多，这件帮你看过了

2026 年 7 月 31 日，DeepSeek 将 V4‑Flash 官方版 API 推入 public beta。0731 与 Preview 的架构和规模相同，仅重新后训练；此次只更新 Flash API，V4‑Pro API 与 App/Web 模型没有同步更新。

这次发布的意义，不是 DeepSeek 又做出一个更大的基座模型，而是同一套 284B 总参数、13B 激活参数的 Flash 底座，通过重新后训练、Responses API 与 Codex 适配，进入了前沿 Agent 的竞争区间。

两年的效率路线，收口到 Agent 执行层

V2 用 DeepSeekMoE 与 MLA，把模型总容量和每个 token 实际计算量分开；随后上线的上下文缓存，又把重复前缀成本直接压进 API 价格。V3 扩到 671B 总参数、37B 激活，但仍把训练效率、吞吐和低价放在同一张产品表里。

R1 证明大规模强化学习能够塑造推理行为；V3.1 把 thinking/non‑thinking 合入同一模型；V3.2 再把思考嵌入工具调用，并用可验证交互任务训练 Agent。竞争单位由一次回答的正确率，扩展到模型能否在长链路中规划、调用工具、检查结果并继续执行。

2026 年 4 月的 V4 Preview 把 Pro 与 Flash 分层。Flash 为 284B 总参数、13B 激活，支持 1M 上下文，针对 Claude Code、OpenClaw、OpenCode 等工具优化。0731 三个月后不改架构、不扩参数，只重新训练“怎么做事”，并优先补齐 Responses API 与 Codex 入口。

DeepSeek 的路线可以概括为：MoE 压低每 token 计算量，长上下文技术压低记忆成本，可验证后训练塑造工具行为，API 与 Harness 把能力接入工作流。

它重新画的是价格—能力曲线

V4‑Flash 支持 1M 上下文、384K 最大输出和 2500 并发；当前官方价格为未命中输入 $0.14、输出 $0.28／百万 tokens。GPT‑5.6 Luna 的输入与输出价格为 $1 和 $6，Kimi K3 为 $3 和 $15，Gemini 3.6 Flash 为 $1.5 和 $7.5。

价格可以直接比较，Agent benchmark 却不能简单横排。DeepSeek 官方披露 V4‑Flash‑0731 在 Terminal‑Bench 2.1 得到 82.7、DeepSWE 54.4、Toolathlon verified 70.3、Agent Last Exam 25.2；但公开 Code Agent 测试使用尚未发布的 DeepSeek Harness，DSBench‑FullStack 与 DSBench‑Hard 又是内部测试集。

82.7 是一个强烈信号，不是最终裁决。Flash 是否真正改变 Agent 成本，需要在同一任务、同一 Harness 和同一预算下比较一次成功率、重试次数、完成时间与总 token。

发布后的声音，已经从兴奋走向复测

最早的讨论首先惊讶于“同一底座、只靠后训练”。开发者 Haoyi 认为新成绩给 GLM‑5.2 带来压力；LocalLLaMA 社区很快提醒，Preview 使用 Terminal‑Bench 2.0，0731 使用 2.1，不能把 56.9 到 82.7 直接当成严格提升 25.8 分。

日本开发者 Voluntas 把 0731 用于自有 OSS 的代码审查，主观感受是速度没有明显变化，但模型更愿意把任务做完。这与“后训练改善执行行为”的解释一致，却仍是单用户、单项目的即时观察。

另一位开发者 IFITALEX 使用相同规划文档和参考图，让 Gemini 3.6 Flash 与 V4‑Flash 生成 Three.js 的 Raptor 3D 模型，主观判断是 Gemini 的成品略好、速度更快。这条对比不能裁决通用 Agent 强弱，但说明 Coding/Terminal 成绩不会自动迁移到视觉理解与 3D 生成。

LocalLLaMA 还出现了对生成长度、cache write 与真实成本的质疑；SillyTavern 社区则提醒，代码 benchmark 与角色扮演、长文本风格质量的相关性有限。Artificial Analysis 当前公开模型页仍显示 4 月版数据，因此当天流传的榜单截图还不足以成为 0731 的独立定论。

发布后的早期共识不是“Flash 已经夺冠”，而是“它值得立即进入真实工作流复测”。

竞争焦点落到每一美元能完成多少任务

两条线在这里汇合：DeepSeek 两年里持续压缩激活参数、长上下文计算和无效推理 token；0731 又证明，同一底座经过定向后训练与接口适配，可以快速改变 Agent 行为。

Harness 也由此成为模型能力的一部分。Responses API、Codex 适配、工具调用协议与推理预算会直接改变最终成绩，只比较裸模型会越来越失真。

Agent 市场最终比较的，不是每百万 token 有多便宜，而是每一美元能完成多少可验证任务。 Flash 不必在每项能力上夺冠；只要能以更低成本完成足够多任务，就可能成为默认执行层，把更昂贵的旗舰模型留给规划、复核和极难任务。

V4‑Flash‑0731 尚未通过公开同框测试证明自己是最强 Agent，也没有在本次公告中同步发布新的 0731 开放权重。它真正压低的是前沿 Agent 的使用门槛。后续最值得观察的是公开环境中的任务成功率、工具调用错误率、总 token、缓存命中率、时延和全链路成本。

证据边界

0731 的后训练数据、算法、rollout 数量、训练算力与成本未披露。
官方成绩使用尚未公开的 Harness，并包含内部测试集。
Responses API 为部分兼容，不完整支持有状态会话、MCP、computer use、文件和图像输入。
V4 Preview 权重为 MIT 开放；0731 公告明确的是 API 更新，不能声称 0731 新权重已经开放。
上述开发者评价均为发布后早期样本，不代表大规模独立评测。

主要来源

内容由AI辅助生成，请谨慎甄别。资讯分享仅供参考，相关观点不代表主观立场，不构成任何形式的投资建议。

🏠 返回首页