7 月 31 日午后，凤凰网科技查询 DeepSeek 官网发现，DeepSeek-V4-Flash 正式版 API 已上线公测。与以往“Pro 强、Flash 弱”的分层逻辑不同，此次更新释放出一个重要信号：Flash 正式版在多项 Agent 基准测试中的表现，已逼近甚至超越了三个月前的 V4-Pro 预览版。
官方更新日志显示，V4-Flash 正式版在 Terminal Bench 2.1 上取得 82.7 分，NL2Repo 得分 54.2 分，Cybergym 得分 76.7 分，Toolathlon verified 得分 70.3 分。相比之下，三个月前的 V4-Pro 预览版在 Terminal Bench 2.0 上的得分为 67.9 分。虽然测试集版本不同，直接对比尚不完全公平，但这一成绩已极具说服力。一个激活参数仅 130 亿的轻量版，能在 Agent 能力上跑出如此分数，足以说明后训练阶段的优化空间，可能比单纯堆砌参数更具杠杆效应。此外，DeepSeek 也特别说明，目前公测仅限 API，App 和网页端暂无法体验最新能力，V4-Pro 正式版将尽快发布。
01 仅重新进行了后训练
DeepSeek 官方在更新日志中明确表示，DeepSeek-V4-Flash-0731 的模型结构、尺寸与 V4-Flash-preview 保持一致，仅对后训练阶段进行了优化。根据官方技术报告，V4-Flash 总参数为 2840 亿，激活参数 130 亿；V4-Pro 总参数则高达 1.6 万亿，激活参数 490 亿。两者在规模上相差一个数量级。若 Flash 能通过后训练将 Agent 能力提升至接近 Pro 的水平，这意味着在特定任务上，模型规模不再是决定性因素，训练方法和数据质量的重要性正日益凸显。
官方还特别指出，本次基准测试中的 Code Agent 任务采用了 DeepSeek Harness 极简模式。这个细节暗示，DeepSeek 可能在 Agent 框架层面进行了针对性优化，而非仅限于模型本身提升。这也是 DeepSeek 自研 Harness 首次以正式名称亮相。此前，梁文锋曾将 AGI 的实现路径比作爬楼梯：语言模型是第一级，去年解决了 CoT（思维链），今年的台阶是 Agent，而 Agent 之后必须解决的是持续学习——让模型像人一样长期积累经验，而不是每次都被喂入完整的上下文才能工作。“AI 现在不缺品位和直觉，它缺的是持续学习的能力，”他说，“投资人看 Agent，我们看怎么解决学习。”
持续学习虽是模型命题，但其工程落点却在 Harness 上。DeepSeek 的 Agent Harness 团队组建于今年 3 月，由崔添翼挂帅。这位浙大计算机毕业的 90 后手握 6 枚 ACM 亚洲区域赛金牌，曾在 Jane Street 任职九年，今年 3 月加入 DeepSeek 后迅速扩充团队。据悉，Harness 规划在 V4 正式版上线时同步推出。
02 生态层面的一次正面交锋
若说 2023 年的大模型竞争是“拼通用能力”，2024 年是“拼长上下文”，那么 2026 年的关键词无疑是 Agent。Agent 能力——即模型自主规划、调用工具、执行复杂任务的能力——正在成为衡量大模型实力的新标尺。从 Terminal Bench、NL2Repo 到 Cybergym、SWE-bench，一系列 Agent 基准测试正在重新定义好模型的标准。
从全球范围看，Agent 能力的第一梯队目前仍由闭源巨头把持。据 benchlm.ai 等第三方评测平台数据，GPT-5.6 Sol、Claude Opus 系列在多数 Agent 基准测试中位居前列。国产阵营中，GLM、Qwen 等也在快速追赶。DeepSeek 此次大幅提升 Flash 的 Agent 能力，战略意图十分清晰：利用高性价比的轻量模型切入 Agent 应用的庞大市场。毕竟，Agent 场景对推理速度和成本极为敏感，一个需要反复调用工具、多轮推理的任务，如果用旗舰模型跑，成本可能是 Flash 的数倍甚至数十倍。若 Flash 能在 Agent 能力上达到“够用甚至好用”的水平，其性价比优势将极具杀伤力。
官方公布的两个内部测试集也目标明确。DSBench-FullStack（内部全栈开发测试集）得分 68.7，DSBench-Hard（内部 Coding Agent 难题测试集）得分 59.6。这从侧面印证了 DeepSeek 的定位——把 Flash 打造成开发者和 Agent 应用的首选底座。
一场生态暗战也在悄然打响。正式版 V4-Flash 原生支持 Responses API 格式，并针对性适配了 Codex。Responses API 是 OpenAI 力推的新一代 API 格式，相比传统的 Chat Completions，它更适合 Agent 场景——支持更灵活的工具调用、更复杂的多轮交互以及更精细的输出控制。DeepSeek 原生支持这一格式，意味着开发者可以更低成本地将基于 OpenAI 生态开发的 Agent 应用迁移到 DeepSeek 上。这将是二者在生态层面的一次正面交锋。对 Codex 的适配，则瞄准了代码生成与软件开发这一垂直场景。DeepSeek 针对性适配 Codex，等于直接在 OpenAI 的传统优势领域发起挑战。这些动作放在一起看，DeepSeek 的野心不止于做一个“便宜的替代品”，而是要在 Agent 时代建立自己的生态位。
03 500 亿融资之后：高估值下的时间窗口
此次更新，距离 DeepSeek 完成首轮外部融资不到两个月。一个多月前，DeepSeek 完成了成立近三年来的首轮外部融资，总额超 500 亿元人民币，创下中国 AI 行业单轮融资纪录，投后估值约 520 亿美元（约合人民币 3500 亿元）。投资方阵容包括腾讯、宁德时代、京东等产业巨头，以及多家国资产业基金。7 月中旬，DeepSeek 有意推进新一轮私募融资，投前估值约 710 亿美元（折合人民币约 4800 亿元），较首轮融资后的 520 亿美元估值上涨约 37%。
从 520 亿到 710 亿，间隔不足六周。高估值背后是市场对 DeepSeek 技术实力的认可，也是对其商业化前景的押注。但高估值同样意味着高预期、高压力。据多家媒体报道，DeepSeek 创始人梁文锋本人在首轮融资中出资约 200 亿元人民币，通过特殊架构牢牢掌控公司控制权。这位脱胎于幻方量化的创始人，此前近三年一直坚持自有资金投入，如今从“不融资不上市”转向积极拥抱资本，本身就是一个强烈的信号——DeepSeek 正在加速冲向商业化和 IPO。
Flash 正式版的上线，或许可以看作 DeepSeek 在资本加持下的一次技术兑现。但真正的考验还在后面：Pro 正式版能否如期而至？Agent 能力的提升能否转化为实打实的收入？在 OpenAI、Anthropic 等巨头的夹击下，DeepSeek 的高性价比路线将如何发挥优势？Agent 战争的大幕才刚刚拉开。DeepSeek 用一个轻量模型的大幅进化，给行业出了一道新题——当后训练的红利被充分挖掘，当效率的提升开始抵消参数的差距，大模型的竞争逻辑，可能要被重新书写了。