摘要：
性价比之王要打Agent仗了
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 Bench2.1上拿到82.7分，NL2Repo54.2分，Cybergym76.7分，Toolathlon verified70.3分。而V4-Pro预览版在Terminal Bench2.0上的得分为67.9分。
需要说明的是，Terminal Bench2.0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（885459）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-5.6Sol、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（881272）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（HK3750）、京东（JD）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。
