出品｜虎嗅科技组

作者｜宋思杭

编辑｜苗正卿

头图｜视觉中国

这是进击的独角兽第 31 篇，该系列关注月之暗面、智谱、MiniMax、阶跃星辰、零一万物、百川智能、面壁智能和 DeepSeek 共 8 家大模型独角兽公司。

梁文锋的热度一直在 AI 圈的 Top 级，尤其是今年。

从 V4 预览版发布，到后来的融资与 IPO 传闻，再到一份流传甚广的四小时谈话实录，DeepSeek 的每一次动作，都能迅速成为行业话题。

7 月 31 日下午，DeepSeek 又更新了。

这次，DeepSeek 只是在 API 文档的更新日志里宣布，V4-Flash 正式版 API 上线公测。

从 " 正式版 " 和 " 公测 " 两个词同时出现来看，这并不是 V4 的最终形态。DeepSeek 也特意强调，本次更新只涉及 V4-Flash 的 API，V4-Pro 及 App、Web 端模型均未发生变化，V4-Pro 正式版还要再等等。

但这次更新依然值得关注。

从最新版本来看，V4-Flash-0731 没有改变模型架构和参数规模，只重新进行了一次后训练。更新后，DeepSeek 把几乎所有篇幅都用来强调它在 Agent，尤其是 Code Agent 上的进步。

这意味着，V4-Flash 并不是一次简单的模型更新。

DeepSeek 正在尝试回答一个新的问题：到了 Agent 阶段，一家公司最需要的，究竟是一个能力最强的模型，还是一个足够强、足够快，也足够便宜的模型？

这一次，DeepSeek 没有继续堆参数

V4-Flash 并不是 7 月 31 日才第一次出现。

4 月 24 日，DeepSeek 发布 V4 预览版时，已经同时推出 V4-Pro 和 V4-Flash。两者都是 MoE 模型，但体量差距明显：V4-Pro 拥有 1.6 万亿总参数，每次推理激活 49B 参数；V4-Flash 拥有 284B 总参数，每次只激活 13B 参数。两款模型均支持 100 万 Token 上下文。

在 DeepSeek 的定位里，Pro 负责能力上限，Flash 负责效率。

参数规模更大的 V4-Pro，在世界知识以及高难度 Agent 任务上表现更好；V4-Flash 则可以通过增加思考预算，在部分推理任务上接近 Pro。换句话说，Flash 牺牲了一部分知识容量，却用更小的激活参数换来了速度和成本。

7 月 31 日的更新没有改变这套架构。

DeepSeek 明确表示，V4-Flash-0731 与预览版的模型结构、尺寸完全一致，仅重新进行了后训练。

但就是这次后训练，让 V4-Flash 的 Agent 能力出现了明显变化。

按照 DeepSeek 公布的结果，V4-Flash-0731 在 Terminal Bench 2.1 上达到 82.7，在 NL2Repo 上达到 54.2，在 DeepSWE 上达到 54.4，在 Toolathlon Verified 上达到 70.3。DeepSeek 称，这些结果已经大幅超过 V4-Pro 预览版。

这件事的意义在于，DeepSeek 没有通过增加参数和重新预训练，来提高模型的 Agent 能力。

用通俗的话来讲就是，DeepSeek 虽然继续在追求 AGI，但是并没有通过一味地增加参数来实现这件事情，而是让模型学会更好地拆解任务、调用工具、执行代码，并在更长的任务轨迹中减少错误。

过去，大模型公司的主要竞争发生在预训练阶段。谁有更多算力、更多数据，谁就有机会训练出参数更大、知识更多的模型。但进入 Agent 阶段后，模型能力不再完全由预训练决定。

一个模型会不会使用终端，能不能在数百次交互中维持任务状态，遇到错误后能否修正，以及是否知道什么时候应该调用什么工具，这些能力越来越依赖后训练、强化学习和模型外部的执行框架。

V4-Flash 的变化，恰好说明了这一点。

这也是为什么，DeepSeek 这次除了更新模型，还原生支持了 Responses API，并专门适配 Codex。同时，DeepSeek 在测试 Code Agent 任务时，使用了尚未正式发布的 DeepSeek Harness minimal mode。

换句话说，这些 Agent 成绩不完全属于模型本身，而是属于 " 模型、推理预算与 Harness" 共同组成的系统。

这当然也意味着，目前公布的数据仍需谨慎看待。

一方面，部分结果来自 DeepSeek 内部测试集；另一方面，DeepSeek Harness 尚未公开，外界还无法在完全相同的环境下复现这些成绩。正式版 V4-Flash 究竟比预览版进步了多少，还需要等待独立评测以及真实开发场景验证。

但至少从这次更新可以看出，DeepSeek 正在从只提供模型和 API，向 Agent 所需要的执行环境多走一步。

但 DeepSeek 目前还没有亲自做一个完整的 Agent 产品，却开始提供让模型进入 Agent 工作流所必需的接口、适配和 Harness。

这是一种非常克制的产品化。

为什么是 Flash？

既然 V4-Pro 的能力上限更高，DeepSeek 为什么不先更新 Pro？

最直接的原因是，Agent 并不是一次模型调用。

在聊天机器人阶段，用户提出一个问题，模型生成一次答案，一次交互就结束了。但在 Agent 任务里，模型需要先理解目标，再拆解任务、检索信息、调用工具、读取结果、修正错误，最后完成交付。

一个复杂任务，可能包含几十次甚至数百次模型调用。

这时，模型单次推理增加的成本和延迟，会在整个任务轨迹中被不断放大。一个能力更强、但速度更慢、成本更高的模型，未必能带来更好的实际结果。

Agent 真正需要的，往往不是每一步都调用能力最强的模型，而是在绝大多数步骤中，使用一个能力足够、价格更低、响应更快的模型。

这正是 V4-Flash 的价值。

根据 DeepSeek 技术报告，在 100 万 Token 上下文下，V4-Flash 单 Token 推理所需的计算量，约为 V3.2 的 10%，KV Cache 则约为 V3.2 的 7%。它的总参数只有 V4-Pro 的约六分之一，每次激活参数也只有 Pro 的约四分之一。

这种差距最终也体现在 API 定价上。

目前，V4-Flash 每百万 Token 未命中缓存的输入价格为 1 元，输出价格为 2 元；V4-Pro 分别为 3 元和 6 元。V4-Flash 的并发限制为 2500，Pro 则为 500。Responses API 目前也只有 V4-Flash 支持，V4-Pro 预计到 8 月初才会接入。

在 V4 的产品体系里，Pro 负责证明 DeepSeek 的模型能力能够达到什么位置，Flash 则负责承担真正高频、长链条的 Agent 任务。前者是能力模型，后者更像生产模型。

梁文锋曾在内部公开说道，" 模型应该放在相同成本下比较；在现阶段，Coding Agent 的优先级高于其他垂直 Agent。"

从这个角度来看，V4-Flash 此次更新的方向，确实与这两个判断形成了呼应。

DeepSeek 没有选择通过扩大参数，让 Flash 在所有能力上追上 Pro；它选择在模型架构不变的情况下，通过后训练和 Agent 框架，提高 Flash 完成真实任务的能力。

这背后是一种更现实的计算。

如果 Agent 最终要进入企业和开发者的日常工作流，那么决定模型能否被大规模使用的，不只是 Benchmark，而是完成一个任务需要多少时间、消耗多少 Token，以及最终成功率是多少。

不过，这也是 V4-Flash 目前最需要证明的地方。

DeepSeek 公布的 Agent 成绩大多使用 Max reasoning effort 完成。更高的思考强度通常意味着更长的推理过程和更多 Token 消耗。一个模型每百万 Token 的价格很低，不等于完成一项任务的总成本一定更低。

如果 V4-Flash 需要消耗更多 Token 才能达到接近 Pro 的效果，那么它在单价上的优势，可能会被更长的任务轨迹部分抵消。

因此，真正有价值的对比，不是 V4-Flash 在某一项 Benchmark 上超过了谁，而是在完成同一个 Agent 任务时，它与 V4-Pro、Kimi、GLM 以及闭源模型分别需要多少 Token、多少时间和多少次重试。

DeepSeek 暂时还没有给出这个答案。