DeepSeekV4Flash 便宜DeepSeek V4正式版悄然上线：没换模型却暴涨6倍，国产AI杀入“后训练”新赛道7月31日，国产大模型DeepSeek通过API文档更新日志，悄然宣布DeepSeek-V4-Flash正式版开启公测。没有盛大的发布会，也没有铺天盖地的预热，但这份“低调”的成绩单却在开发者圈子里引发了不小的震动。这次升级最引人瞩目的标签，不是参数的堆砌，而是“模型根本没换”。同一个骨架，Agent能力暴涨6倍据官方披露，V4-Flash-0731正式版的模型结构、尺寸与三个月前的预览版完全一致：依然采用混合专家（MoE）架构，总参数量2840亿，激活参数130亿，支持最长100万token的上下文窗口。DeepSeek团队仅通过重新进行后训练（Post-Training），就让这个“旧骨架”焕发了新生。在9项Agent（智能体）核心基准测试中，正式版实现了全面跃升。其中，评估AI自主编程与修Bug能力的DeepSWE测试得分，从预览版的7.3分飙升至54.4分，涨幅超过6倍；Terminal Bench 2.1（终端操作测试）得分从61.8跃升至82.7，逼近行业顶尖水平。更令人意外的是，在Agent能力上，定位更轻量的Flash正式版全面反超了自家的旗舰重型模型V4-Pro预览版。这向行业释放了一个强烈信号：在模型架构确定的前提下，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。极致性价比，重塑开发者选型逻辑除了性能的跃升，DeepSeek V4-Flash正式版在价格上继续扮演着“性价比屠夫”的角色。根据最新定价，该模型输入缓存命中时，每百万tokens仅需0.02元；缓存未命中输入为1元，输出为2元。有开发者实测，执行一次本地文件阅读和全网信息检索汇总任务，消耗51万tokens，总花费仅为0.53元。相比海外顶级模型，其任务成本优势极为显著。此外，新版原生支持OpenAI的Responses API格式，并针对Codex等主流开发工具完成了深度适配。开发者无需修改基础URL即可实现无缝切换，大幅降低了迁移和接入成本。从“能聊天”到“能干活”，国产模型差异化成型此次V4-Flash正式版在Agent能力上的突破，标志着国产大模型正从单一的“对话问答”向“自动化任务执行”深水区迈进。模型不仅学会了打开终端、调用工具，还能根据反馈调整后续步骤，完成复杂的全栈开发与工作流构建。当前，国产大模型的竞争格局正逐渐清晰。各家厂商不再盲目追求参数规模的“军备竞赛”，而是走向差异化路线：有的死磕多模态与长程Agent，有的主打低延迟与结构化工作流，而DeepSeek则凭借极致的后训练优化和成本优势，精准切中了开发者对“足够强、足够快、足够便宜”的核心诉求。目前，V4-Flash正式版仅限API端公测，App和网页端暂未更新，而备受期待的V4-Pro正式版也将在8月初紧随其后发布。国产AI的牌局，已然进入了一个拼内功、拼落地、拼生态的新阶段。