7月31日，DeepSeek上线V4-Flash正式版。与4月发布V4预览版时不同，这次更新没有同步进入App和网页端，也没有覆盖参数规模更大的V4-Pro，而是率先向API开发者开放公测。

这个顺序比跑分本身更值得关注。

DeepSeek称，V4-Flash正式版没有改变模型结构和尺寸，只重新进行了后训练。但在Terminal Bench 2.1、NL2Repo、Cybergym等Agent测试中，其成绩明显提高；同时，Flash成为DeepSeek目前唯一支持Responses API、可以接入Codex的V4模型。V4-Pro正式版仍未发布。

表面上，这是轻量模型的一次能力升级；实际上，DeepSeek正在把过去建立在训练和推理端的低成本优势，向Agent执行层延伸。

聊天模型主要回答问题，Agent却要反复读取文件、拆解任务、调用工具并检查结果，调用次数更多，对价格和速度也更敏感。一个能力足够、成本更低的Flash，可能比继续追求能力上限的Pro更接近规模化应用。

但Agent也改变了竞争规则。模型是否聪明，只决定它能不能想明白；工具能否调用、错误能否修正、任务能否继续，决定它最终能不能把事情做完。V4-Flash让DeepSeek进入了Agent战场，也把它的系统和产品能力推到了台前。

01 Flash先于Pro“转正”

今年4月，DeepSeek将V4分为Pro和Flash两个预览版本。V4-Pro总参数1.6万亿、每个Token激活490亿参数，承担旗舰模型角色；V4-Flash总参数2840亿、激活130亿参数，官方给出的定位是更快、更高效和更经济。

三个月后，率先转为正式版的却是Flash。

它没有扩充模型规模。DeepSeek在更新日志中明确称，V4-Flash-0731与预览版结构和尺寸一致，“仅重新进行了后训练”。简单来说，预训练决定模型学过多少知识，后训练则教它面对具体任务时如何行动。对代码修改、终端操作等结果容易验证的任务，模型能否拆解步骤、读取反馈并修正错误，会直接影响最终完成率。

官方数据显示，V4-Flash在Terminal Bench 2.1中获得82.7分，在NL2Repo、Cybergym和Toolathlon verified中分别获得54.2分、76.7分和70.3分。DeepSeek据此称其Agent能力远超V4-Pro预览版。

这个结论需要保留边界。

V4-Pro此前使用的是Terminal Bench 2.0，而2.1版本调整了部分任务的外部依赖、测试标准和资源限制。同一套模型和Agent组合，在两个版本上的成绩也可能发生变化，不能将Flash的82.7分与Pro此前的67.9分简单视为同场对决。Terminal Bench官方公布的对照结果显示，多数组合在2.1版本中得分上升，部分组合的增幅超过10个百分点。

Terminal Bench评测的也不是一个脱离环境运行的“裸模型”，而是模型和Agent框架共同完成任务的能力。

DeepSeek在测试说明中注明，相关Code Agent任务使用了尚未公开的DeepSeek Harness极简模式。Harness可以理解为模型与电脑环境之间的执行框架：它为模型提供工具，保存任务状态，传回命令运行结果，并在执行失败后组织下一步动作。模型相同，换一套Harness，最终完成任务的表现也可能不同。

因此，V4-Flash证明的不是“小模型已经超过大模型”，而是对特定Agent任务而言，后训练数据、反馈机制和执行框架，仍有较大的优化空间。

DeepSeek第一次把Harness以正式名称写进更新日志，也说明它开始把竞争范围从模型本身向外推进。过去，DeepSeek主要证明的是如何用更少的计算资源训练和运行模型；进入Agent阶段，它还要解决模型如何操作工具、处理反馈并完成长链条任务。

02 Agent越会干活，低价越重要

DeepSeek优先强化Flash，与Agent的成本结构有关。

一次普通问答通常只有一轮输入和输出。一个代码Agent修改项目，可能要读取多个文件、运行命令、查看报错、重新修改，再调用测试工具验证结果。任务越长，模型调用次数和上下文消耗越多。

开发者真正计算的，不是一次回答多少钱，而是完成整个任务需要花多少钱，以及失败后还需要多少人工返工。

DeepSeek官网显示，V4-Flash每百万Token缓存未命中输入价格为0.14美元，输出价格为0.28美元；V4-Pro分别为0.435美元和0.87美元。Flash的输入和输出价格约为Pro的三分之一，并发上限为2500，是Pro的5倍。

对于需要批量运行、反复调用的Agent应用，这种价格差异会随着任务长度被持续放大。

这也解释了为什么DeepSeek率先让Flash支持Responses API。

DeepSeek官方文档显示，目前Responses API只支持V4-Flash，V4-Pro预计在8月初接入。通过修改配置，开发者可以在Codex CLI、ChatGPT桌面应用和VS Code的Codex扩展中，将DeepSeek设置为模型提供方。原有的操作界面和工作方式不变，后台调用的模型则可以换成V4-Flash。

这还不能说明DeepSeek已经建立了自己的Agent生态。

Codex的客户端、执行环境和产品入口仍由OpenAI提供。DeepSeek做的是降低开发者更换底层模型的技术门槛：先进入开发者已经使用的工具，再用价格和模型能力争夺调用量。

这延续了DeepSeek过去的打法。它不必先从零搭建一套完整的前端产品，便可以借助兼容接口进入现有工作流。对于成本敏感的开发者，保留Codex的操作方式、只替换后台模型，比重新迁移到另一套Agent工具更容易。

但Agent也比普通API更考验稳定性。

价格低可以吸引开发者进行第一次尝试，却不能保证他们长期留下。任务完成率、响应速度、错误恢复以及不同工具之间的兼容性，最终都会被折算成成本。如果一个低价模型需要更多次重试，或者需要人工频繁介入，省下的Token费用很快会被返工成本抵消。

低价因此只是DeepSeek进入Agent市场的门票，不是最终胜负。

03 低价之外，DeepSeek还要补上系统能力

过去，DeepSeek最鲜明的能力是提高模型训练和推理效率。

从V2开始，DeepSeek便通过稀疏激活和缓存压缩降低计算成本。其技术报告显示，V2相较此前的DeepSeek 67B节省了42.5%的训练成本，推理时的键值缓存减少93.3%，最高生成吞吐量提高至5.76倍。“用更少资源做出足够强的模型”，由此逐渐成为DeepSeek最重要的市场标签。

但Agent不是模型能力的简单延长。

一个真正进入企业生产环境的Agent，还要解决终端和浏览器调用、长任务状态管理、权限控制、沙箱隔离、日志审计和结果验证。模型负责判断下一步做什么，系统负责保证这一步能够安全、稳定地执行。

任何一个环节失效，低价模型节省的费用，都可能被人工检查和返工重新吃掉。

DeepSeek已经开始补这一层。其招聘页面目前单列Agent Harness团队、Agent Infra研发工程师、Code Agent数据工程师和通用Agent数据产品经理，同时招聘持续学习和自进化方向的研究人员。这些岗位指向的不是一次模型版本更新，而是执行系统、数据回流和产品能力的长期建设。

这种扩张也在改变DeepSeek的成本结构。

据媒体报道：DeepSeek首轮外部融资对应约3508.8亿元的交易隐含估值。由于相关文件没有说明交易涉及新股还是老股，也没有披露不同股东对应的权利安排，这一数字不是DeepSeek正式确认的最终轮次估值。

DeepSeek此前长期依靠创始人梁文锋旗下幻方量化提供资金。媒体报道称，公司转向外部资本，与算力、数据中心和工程人才投入上升有关。DeepSeek一度筹备第二轮融资及潜在IPO，7月下旬又被曝暂时搁置新一轮融资，相关计划均未得到公司正式确认。

融资变化不是V4-Flash升级的直接原因，却说明从模型研究走向持续在线的Agent服务，即使强调效率，也需要更重的基础设施和组织投入。

DeepSeek曾用低成本模型改变行业对大模型算力门槛的判断。现在，它要证明这套效率方法能否复制到一套更复杂的系统中。

V4-Flash提供了一条现实路径：让轻量模型承担更多重复、标准化的步骤，把价格更高的旗舰模型留给少数复杂任务；再通过兼容现有工具，降低开发者尝试和迁移的成本。

但这条路径能否成立，不能只看官方跑分。

尚未公开的Harness是否稳定，低价是否建立在可持续的服务能力上，开发者调用能否转化为收入，仍有待实际使用验证。Agent的竞争也不会只发生在模型价格上，而会越来越取决于谁能以更低的总成本，把任务稳定地做完。

DeepSeek过去最强的能力，是用更少的资源做出足够强的模型。进入Agent时代，它需要证明的是，自己能否用同样的效率，做出一个足够好用的系统。