摘要：

性价比之王要打 Agent 仗了

凤凰网科技 出品

作者｜Dale

编辑｜董雨晴

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 上线公测。与以往 “Pro 强、Flash 弱”的分层逻辑不同，这次更新释放了一个值得关注的信号 ——Flash 正式版在多项 Agent 基准测试中的表现，已经逼近甚至超越了三个月前 V4-Pro 预览版的水平。

官方更新日志显示，V4-Flash 正式版在 Terminal Bench 2.1 上拿到 82.7 分，NL2Repo 54.2 分，Cybergym 76.7 分，Toolathlon verified 70.3 分。而 V4-Pro 预览版在 Terminal Bench 2.0 上的得分为 67.9 分。

需要说明的是，Terminal Bench 2.0 与 2.1 并非同一版本的测试集，直接对比并不完全公平。但一个激活参数仅 130 亿的轻量版，在 Agent 能力上跑出这样的分数，已经在说明后训练阶段的优化空间，可能比单纯堆参数更具杠杆效应。

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。DeepSeek-V4-Pro正式版将尽快发布。

“仅重新进行了后训练”

DeepSeek 官方在更新日志中表示，“DeepSeek-V4-Flash-0731 的模型结构、尺寸和 DeepSeek-V4-Flash-preview 保持一致，仅重新进行了后训练。”

根据 DeepSeek 官方技术报告，V4-Flash 总参数 2840 亿，激活参数 130 亿；V4-Pro 总参数 1.6 万亿，激活参数 490 亿。两者在模型规模上相差一个数量级。如果 Flash 能通过后训练把 Agent 能力拉到接近 Pro 的水平，那意味着对于特定任务而言，模型规模并非决定性因素 —— 训练方法和数据质量的权重，正在上升。

官方还特别注明，本次公开基准测试中的 Code Agent 任务，使用了 DeepSeek Harness 极简模式作为框架进行测试，max 档位，topp=0.95，temperature=1.0。这个细节暗示，DeepSeek 可能在 Agent 框架层面也做了针对性优化，而非仅仅是模型本身的提升。

这也是DeepSeek官方自研Harness首次以正式命名出现，此前，梁文锋曾把AGI的实现路径比作爬楼梯：语言模型是第一级，去年解决的是CoT（思维链），今年的台阶是Agent，而Agent之后必须解决的问题，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。再往后，才是自我迭代的“奇点”与具身智能 。“

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。”

持续学习听起来是模型层面的命题，但它的工程落点，恰恰在Harness上。DeepSeek的Agent Harness团队组建于今年3月，挂帅者崔添翼是90后，浙大计算机出身，手握6枚ACM亚洲区域赛金牌，曾在顶级量化机构Jane Street任职九年，今年3月加入DeepSeek，此后其在5月大力招兵买马。

据透露，DeepSeek的Harness规划在V4正式版上线之际同步推出。另据DeepSeek在日志末尾表示，“DeepSeek-V4-Pro 正式版将会尽快发布。”

生态层面的一次正面交锋

如果说 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，毫无疑问是 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（终端操作）、NL2Repo（代码仓库生成）到 Cybergym（网络安全任务）、SWE-bench（软件工程），一系列 Agent 基准测试正在重新定义什么是好模型。

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 此次将 Flash 的 Agent 能力大幅拉升，战略意图很清晰：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的敏感度，远高于纯对话场景。一个需要反复调用工具、多轮推理的 Agent 任务，如果用旗舰模型跑，成本可能是 Flash 的数倍甚至数十倍。如果 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。Codex 是 OpenAI 面向代码领域的模型，DeepSeek 针对性适配，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。

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。

约一个多月前，DeepSeek完成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。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8vBTUYCvpBA