DeepSeek又更新了，这次梁文锋没放大招｜进击的独角兽

出品｜虎嗅科技组

作者｜宋思杭

编辑｜苗正卿

头图｜视觉中国

这是进击的独角兽第31篇，该系列关注月之暗面、智谱、MiniMax、阶跃星辰、零一万物、百川智能、面壁智能和DeepSeek共8家大模型独角兽公司。

梁文锋的热度一直在AI圈的Top级，尤其是今年。

从V4预览版发布，到后来的融资与IPO传闻，再到一份流传甚广的四小时谈话实录，DeepSeek的每一次动作，都能迅速成为行业话题。

7月31日下午，DeepSeek又更新了。

这次，DeepSeek只是在API文档的更新日志里宣布，V4-Flash正式版API上线公测。

从“正式版”和“公测”两个词同时出现来看，这并不是V4的最终形态。DeepSeek也特意强调，本次更新只涉及V4-Flash的API，V4-Pro及App、Web端模型均未发生变化，V4-Pro正式版还要再等等。

但这次更新依然值得关注。

从最新版本来看，V4-Flash-0731没有改变模型架构和参数规模，只重新进行了一次后训练。更新后，DeepSeek把几乎所有篇幅都用来强调它在Agent，尤其是Code Agent上的进步。

这意味着，V4-Flash并不是一次简单的模型更新。

DeepSeek正在尝试回答一个新的问题：到了Agent阶段，一家公司最需要的，究竟是一个能力最强的模型，还是一个足够强、足够快，也足够便宜的模型？

这一次，DeepSeek没有继续堆参数

V4-Flash并不是7月31日才第一次出现。

4月24日，DeepSeek发布V4预览版时，已经同时推出V4-Pro和V4-Flash。两者都是MoE模型，但体量差距明显：V4-Pro拥有1.6万亿总参数，每次推理激活49B参数；V4-Flash拥有284B总参数，每次只激活13B参数。两款模型均支持100万Token上下文。

在DeepSeek的定位里，Pro负责能力上限，Flash负责效率。

参数规模更大的V4-Pro，在世界知识以及高难度Agent任务上表现更好；V4-Flash则可以通过增加思考预算，在部分推理任务上接近Pro。换句话说，Flash牺牲了一部分知识容量，却用更小的激活参数换来了速度和成本。

7月31日的更新没有改变这套架构。

DeepSeek明确表示，V4-Flash-0731与预览版的模型结构、尺寸完全一致，仅重新进行了后训练。

但就是这次后训练，让V4-Flash的Agent能力出现了明显变化。

按照DeepSeek公布的结果，V4-Flash-0731在Terminal Bench 2.1上达到82.7，在NL2Repo上达到54.2，在DeepSWE上达到54.4，在Toolathlon Verified上达到70.3。DeepSeek称，这些结果已经大幅超过V4-Pro预览版。

这件事的意义在于，DeepSeek没有通过增加参数和重新预训练，来提高模型的Agent能力。

用通俗的话来讲就是，DeepSeek虽然继续在追求AGI，但是并没有通过一味地增加参数来实现这件事情，而是让模型学会更好地拆解任务、调用工具、执行代码，并在更长的任务轨迹中减少错误。

过去，大模型公司的主要竞争发生在预训练阶段。谁有更多算力、更多数据，谁就有机会训练出参数更大、知识更多的模型。但进入Agent阶段后，模型能力不再完全由预训练决定。

一个模型会不会使用终端，能不能在数百次交互中维持任务状态，遇到错误后能否修正，以及是否知道什么时候应该调用什么工具，这些能力越来越依赖后训练、强化学习和模型外部的执行框架。

V4-Flash的变化，恰好说明了这一点。

这也是为什么，DeepSeek这次除了更新模型，还原生支持了Responses API，并专门适配Codex。同时，DeepSeek在测试Code Agent任务时，使用了尚未正式发布的DeepSeek Harness minimal mode。

换句话说，这些Agent成绩不完全属于模型本身，而是属于“模型、推理预算与Harness”共同组成的系统。

这当然也意味着，目前公布的数据仍需谨慎看待。

一方面，部分结果来自DeepSeek内部测试集；另一方面，DeepSeek Harness尚未公开，外界还无法在完全相同的环境下复现这些成绩。正式版V4-Flash究竟比预览版进步了多少，还需要等待独立评测以及真实开发场景验证。

但至少从这次更新可以看出，DeepSeek正在从只提供模型和API，向Agent所需要的执行环境多走一步。

但DeepSeek目前还没有亲自做一个完整的Agent产品，却开始提供让模型进入Agent工作流所必需的接口、适配和Harness。

这是一种非常克制的产品化。

为什么是Flash？

既然V4-Pro的能力上限更高，DeepSeek为什么不先更新Pro？

最直接的原因是，Agent并不是一次模型调用。

在聊天机器人阶段，用户提出一个问题，模型生成一次答案，一次交互就结束了。但在Agent任务里，模型需要先理解目标，再拆解任务、检索信息、调用工具、读取结果、修正错误，最后完成交付。

一个复杂任务，可能包含几十次甚至数百次模型调用。

这时，模型单次推理增加的成本和延迟，会在整个任务轨迹中被不断放大。一个能力更强、但速度更慢、成本更高的模型，未必能带来更好的实际结果。

Agent真正需要的，往往不是每一步都调用能力最强的模型，而是在绝大多数步骤中，使用一个能力足够、价格更低、响应更快的模型。

这正是V4-Flash的价值。

根据DeepSeek技术报告，在100万Token上下文下，V4-Flash单Token推理所需的计算量，约为V3.2的10%，KV Cache则约为V3.2的7%。它的总参数只有V4-Pro的约六分之一，每次激活参数也只有Pro的约四分之一。

这种差距最终也体现在API定价上。

目前，V4-Flash每百万Token未命中缓存的输入价格为1元，输出价格为2元；V4-Pro分别为3元和6元。V4-Flash的并发限制为2500，Pro则为500。Responses API目前也只有V4-Flash支持，V4-Pro预计到8月初才会接入。

在V4的产品体系里，Pro负责证明DeepSeek的模型能力能够达到什么位置，Flash则负责承担真正高频、长链条的Agent任务。前者是能力模型，后者更像生产模型。

梁文锋曾在内部公开说道，“模型应该放在相同成本下比较；在现阶段，Coding Agent的优先级高于其他垂直Agent。”

从这个角度来看，V4-Flash此次更新的方向，确实与这两个判断形成了呼应。

DeepSeek没有选择通过扩大参数，让Flash在所有能力上追上Pro；它选择在模型架构不变的情况下，通过后训练和Agent框架，提高Flash完成真实任务的能力。

这背后是一种更现实的计算。

如果Agent最终要进入企业和开发者的日常工作流，那么决定模型能否被大规模使用的，不只是Benchmark，而是完成一个任务需要多少时间、消耗多少Token，以及最终成功率是多少。

不过，这也是V4-Flash目前最需要证明的地方。

DeepSeek公布的Agent成绩大多使用Max reasoning effort完成。更高的思考强度通常意味着更长的推理过程和更多Token消耗。一个模型每百万Token的价格很低，不等于完成一项任务的总成本一定更低。

如果V4-Flash需要消耗更多Token才能达到接近Pro的效果，那么它在单价上的优势，可能会被更长的任务轨迹部分抵消。

因此，真正有价值的对比，不是V4-Flash在某一项Benchmark上超过了谁，而是在完成同一个Agent任务时，它与V4-Pro、Kimi、GLM以及闭源模型分别需要多少Token、多少时间和多少次重试。

DeepSeek暂时还没有给出这个答案。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4879740.html?f=wyxwapp