刚刚，DeepSeek V4 系列更新，架构没变，Agent 能力为何大涨

后训练正成为大模型能力提升的新变量。

作者丨郑佳美

编辑丨马晓宁

刚刚，DeepSeek 更新了 DeepSeek-V4-Flash。

官方把它称为“正式版”，不过目前只是在 API 端上线公测。此次更新也只涉及deepseek-v4-flash，V4-Pro API，以及 App 和网页端当前使用的模型，都没有随之更新。

但比起“正式版”这个名字，这次更新更值得关注的是另一句话：DeepSeek-V4-Flash-0731 与此前的 Preview 版本采用相同的模型结构和参数规模，只重新进行了后训练。

01

没有换架构，为什么能力还能提升？

大模型的训练其实可以被简单分成两个阶段。

第一个阶段是预训练。模型通过大量文本和代码学习知识，形成基础能力。这个阶段决定了模型大致有多聪明、知道多少东西。

第二个阶段是后训练。它更像是针对具体工作进行专项训练，让模型学会怎样回答问题、怎样调用工具，以及怎样按照要求完成任务。

这次 DeepSeek 没有重新设计模型架构，也没有扩大参数规模，而是在原有模型上重新进行后训练。模型的结构没有变化，但内部权重和行为方式会发生变化。

这有点像同一辆车没有更换发动机，却重新调整了变速箱、控制系统和驾驶策略。车本身没有变大，但在特定道路上的表现可能明显改善。

不过，DeepSeek 并没有公布这次后训练具体使用了哪些数据、奖励方法和训练流程。因此，目前只能确定它重新做了后训练，不能进一步断言性能提升究竟来自哪一种技术。

02

提升主要指向 Agent 能力

根据 DeepSeek 公布的结果，新版 V4-Flash 在 Terminal Bench 2.1 上获得 82.7，在 DeepSWE 上获得 54.4，在 DSBench-FullStack 上获得 68.7。

这些测试和传统的代码补全不同。传统代码测试通常只要求模型写出一段代码，而 Agent 测试要求模型真正进入一个工作环境。它需要读取文件、理解代码仓库、调用终端、修改程序、运行测试，再根据报错继续处理。

也就是说，模型不只是要知道答案，还要连续完成多个步骤。

不过，这些成绩也不能完全理解成模型自身的单独能力。DeepSeek 明确说明，部分代码 Agent 测试使用了尚未公开的 DeepSeek Harness，并采用了较高的推理档位；DSBench-FullStack 和 DSBench-Hard 还是 DeepSeek 自己的内部测试集。

因此，更准确的说法是：V4-Flash-0731 在 DeepSeek 公布的 Agent 运行环境中取得了明显提升，但它在第三方框架中的实际表现，还需要更多独立测试。

03

Responses API 解决的是接入问题

此次更新还有一个重要变化：V4-Flash 开始原生支持 Responses API，并针对 Codex 进行了适配。

Responses API 可以理解为一套更适合 Agent 的通信接口。它可以更统一地处理模型回复、推理状态、工具调用和执行结果。

它本身不会让模型突然变得更聪明，但可以减少模型接入 Codex 等 Agent 工具时的适配工作，让开发者更容易把模型放进真实的软件开发流程。雷峰网

所以，这次更新其实包含两部分：一部分是重新后训练后的模型权重，另一部分是更适合 Agent 使用的接口和运行环境。

最终成绩由模型、推理预算、工具环境和 Agent 框架共同决定，很难只归功于其中某一项。

04

这次更新真正值得关注的是什么？

目前可以确定的是，DeepSeek 在没有改变 V4-Flash 模型结构和参数规模的情况下，通过重新后训练提高了官方 Agent 基准成绩，同时增强了对 Responses API 和 Codex 工作流的支持。

但现阶段还不能直接得出后训练已经可以替代模型扩容或者V4-Flash 已经全面领先其他 Agent 模型这样的结论。

一方面，V4-Flash-0731 的具体后训练变化尚未公开；另一方面，官方部分测试所使用的 Harness 和内部数据集还不具备完整的外部复现条件。

所以，这次更新不适合简单总结为DeepSeek 又发布了一个更强的模型。更准确的理解是，DeepSeek 正在验证一条更加务实的技术路线：当模型结构和参数规模保持不变时，能否通过重新后训练、工具接口适配和 Agent 运行框架，进一步提高模型完成真实任务的能力。雷峰网

DeepSeek 已经给出了官方成绩，但这条路线究竟能带来多大的实际提升，还要等待更多训练细节、公开工具和第三方测试。

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈