一块 2840 亿参数的 MOE 模型，每次推理只唤醒其中 130 亿。没有发布会，没有预热海报，官网上多了一行更新日志——然后整个开发者圈子就炸了。

---

一行日志引发的连锁反应

2026 年 7 月 31 日下午，DeepSeek 官网 API 文档的更新日志里静悄悄地出现了一句话：「DeepSeek-V4-Flash 正式版 API 上线公测」。没有直播，没有 PPT，连自家公众号都没发推送。

但接下来发生的事，让这句话变成了 8 月第一周 AI 圈最密集的谈资：

• 知乎热搜登顶，开发者群里转发量超过了过去三个月任何一篇文章。
• 次日 A 股开盘，阿里、MiniMax 等国产大模型概念股集体大涨，东方证券连夜出了行业周报。
• 最微妙的时间线是——就在同一天，OpenAI 宣布 GPT-5.6 Luna 降价 80%。

两件事撞在同一天，不是巧合。

---

反常之处：架构一点没变，只改了「后半截」

在 AI 行业的默认剧本里，「模型升级」基本等于「堆更多参数、烧更多算力」。但 V4-Flash 正式版走了一条截然不同的路。

官方更新日志写得明明白白：模型结构、尺寸和 Preview 版完全一致——2840 亿总参数的 MOE 架构，每次推理只激活 130 亿。唯一的变化是「仅重新进行了后训练（post-training）」。

翻译成人话：发动机没换，车身没改，就是把「驾驶技术」重新练了一遍。

然后发生了什么？来看数据。

---

这张成绩单，够狠

DeepSeek 公布了 9 项 Agent 任务的基准测试分数，每一项都超过了自家的 V4-Pro 预览版。一个叫 Flash 的轻量模型，把同门师兄 Pro 按在了地上。

基准测试	V4-Flash 正式版	V4-Pro Preview	说明
Terminal Bench 2.1	82.7	72.1	真实终端环境实操：改配置、跑脚本、修 bug
DeepSWE	54.4	7.3*	真实 GitHub 仓库：读 issue → 定位代码 → 写补丁 → 跑测试
Cybergym	76.7	—	网络攻防自动化场景
Toolathlon	70.3	—	多工具选择与调用能力
NL2Repo	54.2	—	一句话生成完整代码仓库
DSBench-FullStack	68.7	—	全栈开发任务
Agent Last Exam	25.2	—	综合 Agent 能力（地狱级难度卷）

* DeepSWE 的 Preview 版分数为 7.3，官方未在本次更新日志中列出，来自社区回溯对比。

最扎眼的是 DeepSWE 这一项：Preview 版 7.3 → 正式版 54.4，Agent 编程能力提升了超过 6 倍。

DeepSWE 是什么？把 AI 扔进真实的 GitHub 仓库，让它自己读 issue、找到相关代码、写出补丁、跑测试直到通过。全程不能有人插手。7.3 分是什么概念？基本上「不能用」——大部分任务要么死循环，要么产出一堆没法跑的代码。而 54.4 分意味着它可以作为「初级到中级编程助手」独立完成中等复杂度的开发任务了。

作为对比：社区流传的横向数据中，Claude 3.5 Sonnet 同一指标约 49%，GPT-4o 约 38%——这些可都是参数规模远超 Flash 的旗舰模型。

独立评测机构 Artificial Analysis 的智能指数也验证了这一点：V4-Flash 0731 拿到 50 分，比自家 V4 Pro 高 6 分，距离 OpenAI 最高分的 GPT-5.6 Luna（51 分）只差 1 分。

一个 130 亿激活参数的轻量模型，咬住了千亿级旗舰的脚后跟。

---

后训练的「魔法」：Agent 不是训出来的，是调教出来的

这里触及了一个正在重塑行业认知的核心问题。

传统大模型训练的路径是「预训练 → 监督微调 → RLHF」。但 Agent 任务有一个根本性的尴尬：互联网上的文本，不会告诉你「当你调一个 API 返回 403 错误时，应该先检查认证头还是先检查请求格式」。这些「操作直觉」，在预训练语料里根本不存在。

V4-Flash 正式版的做法，类似于给一个已经学会开车的司机做特训——不在驾校里转圈，而是直接扔到赛道上跑圈。让模型在模拟环境中反复执行 Agent 任务，从每一次成功和失败中学习：

• 工具调用稳定性：Preview 版常见的「死循环」（反复调用同一个工具但提取不到有用信息）和「JSON 格式错误」被基本消灭。在需要 35 次工具调用的复杂任务中，正式版可以一次跑通。
• 长程记忆：Agent 在执行第 20 步操作时，仍然记得第 3 步获取的关键信息——不是「做完就忘」。
• 智能重试：当工具返回错误时，不是「放弃」或「换个方向硬怼」，而是分析错误原因、调整参数、在必要时更换策略。

这四个维度的提升没靠加参数，全靠高质量的后训练数据。它释放了一个清晰的信号：对于 Agent 任务来说，后训练阶段的价值被行业严重低估了。好的后训练，比堆十倍的预训练算力更管用。

---

藏在角落里的两个「暗棋」

跑分之外，有两件事被很多人忽略了，但它们的影响可能比跑分更大。

第一颗暗棋：Harness 框架浮出水面

V4-Flash 官方公告里出现了一个此前只在 DeepSeek 招聘页面见过的名字——DeepSeek Harness，一个内部开发的 Agent 执行框架。

Harness 的设计哲学和 Anthropic 的 Computer Use、OpenAI 的 Codex CLI 完全不同。它的核心思路叫「极简模式」：去掉所有不必要的中间抽象层，让模型的输出直接映射为工具的 API 调用。每少一层翻译，就少一层信息损耗。

更有意思的是 Harness 团队负责人——崔添翼，浙大计算机系出身，6 枚 ACM 亚洲区域赛金牌，在顶级量化机构 Jane Street 干了九年之后，今年 3 月加入 DeepSeek。量化交易对系统延迟和可靠性的要求，远超普通软件开发——这个背景决定了 Harness 的基因：追求极致的执行效率和鲁棒性。

从 5 月开始，DeepSeek 大量招聘 Agent 方向工程师，覆盖工具调用、任务规划、浏览器自动化、代码执行安全等多个子方向。Harness 此次公开亮相，说明这个内部框架已经达到了可以对外展示的成熟度。考虑到 DeepSeek 一贯的开源传统——V3、R1 都全量开源了——如果 Harness 也开源，将对 LangChain、CrewAI、AutoGen 等现有 Agent 框架格局产生直接冲击。

第二颗暗棋：用 OpenAI 的协议，撬 OpenAI 的墙角

更新日志里还有一句不起眼但分量极重的话：「V4-Flash 原生支持 Responses API 格式，并针对性适配了 Codex。」

Responses API 是 OpenAI 去年推出的新一代接口规范，Codex CLI、Agent SDK、ChatGPT 编程订阅、Cursor/Copilot 后端都走这套协议。以前想把国产模型接入 Codex 生态，中间必须垫一层协议转换——模型的推理过程、工具调用这些结构化信息，转一道就「压扁」了，丢精度。

现在不用了。开发者只要把 base_url 指向 DeepSeek，模型名换成 deepseek-v4-flash，现有代码一行不用改，直接就能跑。

这不是技术细节，是商业策略。Codex 是 OpenAI 把 GPT 系列变现的核心入口。DeepSeek 用同一套协议把Flash塞进去，等于对所有 Codex 用户说了一句话：「你可以继续用 OpenAI 的姿势干活，但付 DeepSeek 的价钱。」

---

价格战的新范式：不降单价，降任务成本

来看看价格这一仗打得有多狠。

模型	输入（$/百万Token）	输出（$/百万Token）
DeepSeek V4-Flash	0.14	0.28
GPT-5.6 Luna（刚降80%）	0.20	1.20
GPT-5.6 Sol	5.00	30.00
Claude Sonnet 5	2.00	10.00

单看输入价格，差距似乎不大。但 Agent 场景的秘密藏在另一个地方：缓存命中折扣。

Agent 任务有个特点——系统提示词、工具定义、前几轮对话历史，每一轮请求都在重复发送。这部分内容如果能命中缓存，实际账单和不命中能差出几十倍。DeepSeek 给自家 API 的缓存命中折扣是 约 98%，而行业大多数厂商给的是 90% 左右。

别小看这 8 个百分点的差距。在 Agent 高频调用场景下，这几个点乘以几千次调用，就是一笔实打实的成本差异。据社区开发者测算，在 DeepSeek 自有 API 上跑 Agent 任务，单任务实际成本比已经降价 80% 的 GPT-5.6 Luna 还低约 60%。

而且这次 DeepSeek 没有走「直接降价」的老路。能力涨了这么多，单价一分没动。降的是任务完成成本——模型在同样价格下把活干得更好，重试更少，浪费的 token 更少。这比直接降价更难对付，因为对手没法简单跟进：你的模型不会因为降价就突然学会怎么调工具。

---

对个人开发者意味着什么

说到底，普通开发者不关心宏观格局，关心的是三件事：我能用吗？好用吗？花多少钱？

三件事的答案都很实在。

关于「能用吗」：如果你已经在用 OpenAI 的 Chat Completions 或 Responses API，迁移成本几乎为零——换 base_url 和模型名就行，一行新代码不用写。Codex CLI 只需要三条命令就能切过去。如果你在用 Cursor、Copilot 这些 IDE 插件——V4-Flash 已经适配好了。

关于「好用吗」：实话实说，聊天、写作这些通用能力未必追上旗舰。但 Agent 编程能力——长代码库分析、多工具链协调、自动化脚本——已经够用了。一个开发者社区的经典评价是：「以前需要上旗舰模型才敢接的活，现在 Flash 就能跑，账单还不到旗舰的零头。」

关于「花多少钱」：有人上个月刚把主力模型从「一家贵的」换成国产混搭，月开销从 1200 美金降到了 4000 人民币。当时还有人留言说「便宜是便宜，难的活还是得上强模型」——这个判断依然成立，但「必须上强模型」的任务范围，在按月缩小。

还有一件事值得关注：DeepSeek 已经在定价页预告了峰谷定价——北京时间每天 9:00-12:00 和 14:00-18:00，价格为平时的 2 倍。把批量任务、自动化脚本挪到夜间和周末跑，账单还能再砍一刀。

---

行业格局的三个变化

这次发布不是孤立事件。把几条线叠在一起看，能读出三个正在发生的行业变化。

第一，「轻量 = 便宜 + 牺牲性能」这个公式被打破了。 过去两年，GPT-4o-mini、Claude Haiku、Gemini Flash 都遵循同一套逻辑：日常对话够用，专业任务就差一截。V4-Flash 用 130 亿激活参数跑出 Pro 级 Agent 成绩，直接把这个等式踩进了土里。100 万 token 上下文的全仓库代码分析、企业级 Agent 自动化——这些过去只有 Pro 才能跑的任务，现在 Flash 都能稳稳接住。

第二，Agent 能力的竞争从「堆参数」转向了「精调优 + 生态兼容」。 V4-Flash 释放的信号很清楚：一个好的后训练流程，价值远超十倍参数堆叠。再加上原生 Responses API 支持和 Codex 生态适配，竞争维度正在从「谁的模型更强」变成「谁的工作流开箱即用」。这和当年 iPhone 替代功能机的逻辑如出一辙——不是通话质量更好，而是整个生态体验更顺畅。

第三，价格战进入了「不降单价、只降任务成本」的高级阶段。 直接降价谁都会。但通过后训练让模型在同样价格下把活干得更好——重试少了、浪费少了、开发者不用再为了省钱在第一梯队和第二梯队之间来回切换——这是更高级的竞争手段，对手极难跟进。

---

一个正在形成的默认选项

V4-Flash 正式版发布的时间点很微妙：老 API 全线停用、代码生态默认接入、Pro 正式版还未发布。从今天起，调 deepseek-v4-flash 不再是「试一试」——对于大量开发者来说，它已经是默认选项。

一个社区传出来的说法挺有意思：「等到 9 月各家开发者做下半年规划的时候，估计很多人会突然发现自己根本没做过『选型决策』——他们的 Agent 系统已经深度绑在了这个 130 亿激活参数的小模型上。不是选的，是被默认的。」

至于更大的悬念——V4-Pro 正式版——官方的原话是「尽快发布」。Flash 已经这副样子了，Pro 正式版会拿出什么？大概接下来一个月，整个行业都在等这个答案。

---

成文时间：2026 年 8 月 4 日

数据来源：DeepSeek API 官方文档、Artificial Analysis 独立评测、Arena 人类偏好盲测、开发者社区实测反馈。文中价格与接口信息以官方页面实时数据为准。