DeepSeek-V4-Flash正式版上線，130億激活參數撬動Agent戰場

DeepSeek 於7月31日低調推出 V4-Flash 正式版 API，並開放公測。這款模型被視為該公司在 Agent 領域的重要佈局，也打破了過去「Pro 版強、Flash 版弱」的產品分層邏輯。根據官方釋出的數據，V4-Flash 正式版在多項 Agent 基準測試中的表現，已經逼近甚至超越三個月前推出的 V4-Pro 預覽版，顯示出輕量級模型在特定任務上的潛力。 具體而言，V4-Flash 正式版在 Terminal Bench 2.1 測試中獲得 82.7 分，在 Cybergym 測試中取得 76.7 分，在 Toolathlon verified 測試中則為 70.3 分。這些成績與過去 Pro 版本主導的格局形成對比，也讓外界關注到 DeepSeek 如何透過訓練方法與數據質量的優化來縮小模型之間的差距。 值得注意的是，V4-Flash 正式版的總參數量高達 2840 億，但每次推理時實際激活的參數僅有 130 億。相比之下，V4-Pro 的激活參數為 490 億，兩者相差將近一個數量級。DeepSeek 特別強調，此次更新「僅重新進行了後訓練」，模型結構完全沒有改變。這意味著，透過更有效的訓練策略與更高品質的數據，輕量模型在特定任務上已能與旗艦模型一較高下。 除了模型本身，DeepSeek 也在這次更新中首次正式公開其自研的 Agent 框架，命名為 DeepSeek Harness。該框架的出現，進一步強化了公司在 Agent 應用生態中的技術底座。同時，V4-Flash 正式版原生支援 OpenAI 力推的 Responses API 格式，並針對 Codex 進行了適配。開發者可以低成本地將原本建立在 OpenAI 生態上的 Agent 應用遷移至 DeepSeek 平台，這無疑降低了轉換門檻，也為 DeepSeek 爭取更多開發者用戶鋪路。 從戰略角度來看，DeepSeek 的目標相當明確：用高性價比的輕量模型切入 Agent 應用市場。Agent 場景對推理速度與成本極為敏感，尤其是在需要反覆調用工具的多輪任務中，Flash 系列的低價優勢將形成顯著競爭力。相較於旗艦模型的高昂成本，輕量模型更適合大規模部署與商業應用，這也解釋了為何 DeepSeek 選擇在此時強化 Flash 版本的表現。 這一系列動作背後，還有資本市場的支撐。此次 V4-Flash 正式版的發布，距離 DeepSeek 完成超過 500 億元人民幣的首輪融資還不到兩個月。當時公司估值已攀升至約 710 億美元，顯示市場對這家國產大模型公司的信心。在資金加持下，DeepSeek 正加速從過去「不融資、不上市」的保守姿態，轉向積極的商業化衝刺。 隨著 V4-Pro 正式版即將到來，DeepSeek 在 Agent 領域的戰爭已經正式拉開序幕。Flash 版本的推出不僅是產品線的補強，更是對整個 AI 應用生態的一次策略性試探。未來，當更多開發者開始將 Agent 應用部署在低成本、高效率的模型上時，DeepSeek 能否憑藉這套組合拳站穩腳跟，將是業界關注的焦點。