8月1日消息，AI圈又炸了。DeepSeek悄然上线了V4-Flash正式版API，一个“廉价版”模型，却在Agent能力上碾压了三个月前的Pro预览版。更让人震惊的是——它只重新做了后训练，模型骨架一点没变。
昨晚，DeepSeek-V4-Flash正式版API上线。
消息一出，开发者社区瞬间沸腾。
这不是一次普通的版本迭代。一个2840亿参数的MoE模型，激活参数仅130亿，价格低至0.02元/百万tokens（缓存命中），却在多项Agent基准测试中，硬生生把三个月前的V4-Pro预览版摁在地上摩擦。
最让人细思极恐的是模型结构、尺寸一点没变，只是重新做了一遍后训练。
这意味着什么？后训练优化的空间，可能比我们想象的大得多。
九项基准测试，全面碾压
先看硬指标。
DeepSeek-V4-Flash正式版采用MoE架构，总参数量2840亿，激活参数130亿，支持100万token上下文，可切换思考/非思考模式。
官方公布的9项Agent基准测试成绩，堪称惊艳：
最大的亮点在DeepSWE（专门用于评估 AI Agent在真实、长周期、多步骤编程任务中的自主解决能力）从预览版的7.3分飙升至54.4分，暴涨超过6倍。在 Terminal Bench 2.1（评估 AI Agent在Linux 终端环境中自主规划、执行多步命令行任务及错误恢复能力的权威基准测试） 中，Flash 正式版得分82.7，高于V4-Pro-Preview的72.1和GLM-5.2 的81.0，逼近Opus-4.8的 85.0。
在海外模型评测机构Artificial Analysis的智能指数测试中，V4-Flash-0731（最高推理档位）拿下50分，而同类可比模型的中位数仅为17分。
差距，肉眼可见。
真正恐怖的是：模型没变，只重做了后训练
如果说性能提升是常规操作，那这次升级的方式才真正值得细品。
DeepSeek官方确认：V4-Flash-0731的模型结构、尺寸与预览版完全一致，仅重新进行了后训练。
同一个骨架，同一套参数规模，只是后训练的策略更精细了，结果就在Agent基准测试上产生了质的飞跃。
这让很多人开始重新思考：堆参数真的是唯一出路吗？
后训练阶段的优化空间，可能被严重低估了。
与此同时，DeepSeek自研的Agent测试框架DeepSeek Harness也首次正式亮相。
开发者实测：便宜到离谱，干活还不赖
性能是纸面上的，真正让开发者兴奋的是实测体验。
有用户晒出账单：“蹬了一小时才不到一块钱”。
价格有多夸张？输入命中缓存0.02元/百万tokens，未命中1元，输出2元。大约只有Claude的1/90（DeepSeek-V4-Flash的输出价格约0.28美元，Claude Opus 4.8输出25美元）。
最让人上头的场景是Claude Code。
有开发者分享：“今天正式版出来后，就用官方API接入Claude Code中开始干活，不到4个小时，差不多消耗了1亿token，缓存命中率竟然达到了99%，关键是干活质量还不错，很少返工。”
另一位用户更直接：“一遍写完，真实测试一遍完美通过，顺手还修了十几个bug……最恐怖的是opencode花了0.1美元。”
从事Qt/C++上位机、STM嵌入式开发的个人开发者反馈：“flash0731的agent表现与v4-pro-preview的表现非常接近”，“目前初步使用感觉flash在能力上和pro-preview相比没有明显差异，但是人是便宜啊！！！”
微博上有用户评价：“最近又高强度的使用了DeepSeek V4 Flash，感觉优势貌似又回来了点儿，在代码和Terminal指令这块貌似也提升很大。”
槽点也很真实：普通用户玩不了
当然，质疑声也不少。
最大的槽点是仅限API公测。网页端和App都没有更新，普通用户暂时无法体验。“对大众玩家不够友好”是高频反馈。
指令遵循仍有短板。有开发者指出：“这版本太喜欢框框干了，没说清楚的事情不太适合交给他干，会出错岔子的；很清晰、有边界的任务可以交给他。”
另外，Agent模式下推理语言被锁定为英文，系统提示词完全无效。GitHub上已有用户提出希望开放语言控制参数。
嵌入式开发仍有瑕疵。有开发者反馈：“在嵌入式开发表现已经比上半年的许多模型表现好很多了，但是还是会出现端口识别不清、写出连编译都通过不了的代码。”
原生支持Responses API，剑指Codex生态
除了模型本身，工程侧的适配同样值得关注。
V4-Flash正式版原生支持OpenAI的Responses API格式，并针对性适配了Codex。开发者可以在Codex CLI、ChatGPT桌面端和VS Code的Codex插件中直接调用DeepSeek模型。
Responses API目前仅支持V4-Flash，V4-Pro预计8月初接入。
这意味着开发者可以用更低的成本，无缝接入Codex生态。
长上下文效率：单token计算量降至27%
V4-Flash在长上下文场景下的工程优化同样值得一提：
100万token场景下，V4系列的单token推理计算量仅为V3.2的27%，KV Cache占用降至约10%。
长链路任务的算力与显存成本，被大幅压缩。
巧合还是狙击？同日OpenAI宣布降价80%
就在DeepSeek-V4-Flash正式版上线的同一天，OpenAI宣布GPT-5.6 Luna降价80%。
时间点耐人寻味。
一边是国际巨头主动降价，一边是中国厂商用1/90的价格交出更强的Agent能力。
有评论一针见血：“DeepSeek-V4-Flash正式版的Agent能力全面超越此前的Pro预览版，相当于用更便宜的价格交出了更强的干活能力。这是在证明，低价不等于低能。”
有业内人士指出，这次升级释放了一个明确的信号，大模型竞赛正在从“堆参数”转向“精调优”。同样的模型骨架，仅靠后训练的优化，就能在Agent能力上实现6倍增长。这对整个行业的启发是深远的，参数的尽头可能不是更大，而是更聪明地训练。