剛剛，DeepSeek V4 系列更新，架構沒變，Agent 能力為何大漲

DeepSeek 於稍早前低調更新了旗下模型陣容，正式推出 DeepSeek-V4-Flash 的「正式版」。不過，這波更新目前僅限於 API 端公測，主要針對 deepseek-v4-flash 這個型號，而外界更熟悉的 V4-Pro API，以及 App 與網頁端目前正在使用的模型，全都沒有跟著改動，顯示這次釋出更像是一次鎖定特定場景的定向升級。 比起「正式版」這個名稱，這次更新中最引人注目的，其實是官方在說明中揭露的一個關鍵資訊：DeepSeek-V4-Flash-0731 與先前的 Preview 版本採用了完全相同的模型結構與參數規模，唯一的差別，在於模型重新進行了後訓練。這意味著 DeepSeek 這次沒有從零開始打造新模型，而是在既有基礎上，試圖透過訓練流程的調整來進一步挖掘潛力。 要理解這次更新的意義，得先回頭看大模型訓練的兩大階段。第一階段是預訓練，模型在這一階段透過海量文本與程式碼學習知識，建立基本能力，這個過程大致決定了模型「有多聰明」以及「知道多少事」。第二階段則是後訓練，這個環節更像是針對特定工作進行專項集訓，讓模型學會如何回答問題、如何正確呼叫工具，以及如何按照指令完成複雜任務。 DeepSeek 這次的做法，就是沒有更動模型的原始架構，也沒有擴大參數規模，而是在原有的模型基礎上重新跑了一遍後訓練。模型的骨架沒變，但內部的權重與行為模式已經產生變化。打個比方，這就像同一輛車沒有更換引擎，卻重新調校了變速箱、控制系統與駕駛策略；車子本身的極限沒變，但在特定路況下的實際表現，卻可能出現明顯進步。 不過，關於這次後訓練的細節，DeepSeek 並沒有透露太多。官方並未公布具體使用了哪些訓練數據、採用了什麼獎勵方法，或是完整的訓練流程為何。因此，現階段外界只能確認它確實重新做了後訓練，至於性能提升究竟是來自哪一項技術的改良，暫時還無法進一步斷言。 從 DeepSeek 公布的結果來看，新版 V4-Flash 的進步確實集中在 Agent 能力上。在 Terminal Bench 2.1 測試中，V4-Flash 拿下了 82.7 分，在 DeepSWE 上獲得 54.4 分，在 DSBench-FullStack 上則拿下 68.7 分。這些測試與傳統的程式碼補全任務有本質上的不同。 傳統的程式碼測試，通常只要求模型依據提示寫出一段程式碼；但 Agent 類型的測試，則要求模型真正進入一個模擬的工作環境。模型必須自己讀取檔案、理解整個程式碼倉庫的結構、呼叫終端指令、修改程式、執行測試，並根據出現的錯誤訊息持續除錯與處理。換句話說，模型不能只是「知道答案」，還必須具備連續完成多個步驟的執行能力，這對模型的規劃與工具使用能力是很大的考驗。 值得注意的是，這幾項成績並不能完全視為模型單打獨鬥的結果。DeepSeek 在說明中明確指出，部分程式碼 Agent 測試使用了尚未對外公開的 DeepSeek Harness，並且採用了較高的推理檔位；另外，DSBench-FullStack 與 DSBench-Hard 也是 DeepSeek 自家的內部測試集。因此，更精確的解讀是：V4-Flash-0731 在 DeepSeek 公布的 Agent 運行環境中取得了明顯提升，但它在第三方框架或外部測試環境中的實際表現，還需要更多獨立驗證。 除了模型權重的更新，這次釋出還有一個重要的周邊變革，就是 V4-Flash 開始原生支援 Responses API，並針對 Codex 進行了適配。Responses API 可以理解為一套更適合 Agent 運作的通訊介面，它能更一致地處理模型回覆、推理狀態、工具呼叫與執行結果等資訊。這個介面本身不會讓模型突然變得更聰明，但它的價值在於大幅減少模型接入 Codex 等 Agent 工具時所需的適配工作，讓開發者能更容易地將模型整合進真實的軟體開發流程中。 所以，這次更新其實包含了兩個層面的內容：一是重新後訓練後的模型權重，二是更適合 Agent 使用的介面與運行環境。最終呈現出來的成績，是由模型本身、推理預算、工具環境與 Agent 框架共同決定的，很難將功勞單獨歸給其中任何一項。 綜合來看，目前可以確定的是，DeepSeek 在完全沒有改變 V4-Flash 模型結構與參數規模的前提下，透過重新後訓練拉高了官方 Agent 基準測試的成績，同時強化了對 Responses API 與 Codex 工作流的支援。但現階段若要因此推論「後訓練已經可以取代模型擴容」，甚至宣稱「V4-Flash 已全面領先其他 Agent 模型」，恐怕還嫌太早。 一方面，V4-Flash-0731 具體的後訓練調整細節並未公開；另一方面，官方部分測試所使用的 Harness 工具與內部數據集，也還不具備完整的外部復現條件。因此，這次更新並不適合簡單歸結為「DeepSeek 又發布了一個更強的模型」。 更準確的理解或許是：DeepSeek 正在驗證一條更務實的技術路線，也就是當模型結構與參數規模維持不變時，能否透過重新後訓練、工具介面適配與 Agent 運行框架的優化，來進一步提升模型解決真實任務的能力。官方已經交出了成績單，但這條路線究竟能帶來多大的實際效益，還需要等待更多訓練細節揭露，以及第三方獨立測試的檢驗。