DeepSeek V4 Flash 正式版发布：Agent 能力翻倍，基准测试全面碾压 Pro 预览版

DeepSeek V4 Flash 正式版发布：Agent 能力翻倍，基准测试全面碾压 Pro 预览版

7 月 31 日下午，DeepSeek 通过 API 文档发布日志，正式宣布 DeepSeek-V4-Flash 正式版（0731）API 上线公测。这是 V4 系列首个转正的版本：模型结构、尺寸与 Preview 完全一致，只重做了后训练，但 Agent 能力全线暴涨，多项指标直接反超”大哥”V4-Pro-Preview。

Agent 基准全面跃升

先看最核心的 Agent 能力基准对比（正式版 vs Preview vs V4-Pro-Preview）：

几个值得注意的变化：

DeepSWE 从 7.3 → 54.4，翻了 7 倍多。 这个基准衡量 AI 在真实软件工程任务中的自主修复能力。Preview 版在此项几乎不可用，正式版直接追平第一梯队（GLM-5.2 为 46.2）。

Cybergym 从 38.7 → 76.7，翻了一倍。 这是 Agent 在复杂交互环境中的任务完成能力测试，76.7 已逼近 Opus-4.8 的 83.1。

DSBench 两档全部翻倍以上。 FullStack 从 37.0 → 68.7，Hard 从 25.8 → 59.6，说明后训练对 Coding Agent 场景的针对性很强。

Terminal Bench 2.1 从 61.8 → 82.7。 反超 V4-Pro-Preview 的 72.1，距离 Opus-4.8 的 85.0 只差 2.3 分。一个 Flash 级模型在终端操作基准上压过自家 Pro 预览版，足见 Preview 阶段的后训练确实是赶工产物，正式版才是完整形态。

怎么做到的：只重做后训练

官方说明很直接：模型结构、尺寸与 Preview 保持一致，仅重新进行了后训练。架构没换，是把后训练阶段彻底重做——数据更充分、方法更完整，Agent 能力因此脱胎换骨。这也侧面说明，对 Agent 场景而言，后训练的质量比参数规模更致命。

原生适配 Codex 与 Responses API

正式版另一大变化是原生支持 Responses API 格式，并针对性适配了 Codex。Codex 用户可以直接把 V4-Flash 配置为底层模型，无需任何格式转换。这套格式由 GPT-5.6 系列引入，支持流式工具调用与结构化输出。DeepSeek 的兼容策略没有变——继续走”OpenAI 兼容、价格更低”的路线，落地成本极低。

V4-Pro 正式版还要再等等

本次仅升级了 V4-Flash 的 API，V4-Pro API 与 App/Web 端模型均未变化。V4-Pro 正式版将”尽快”发布，计划 8 月初加入 Responses API 与 Codex 支持。DeepSeek 还预告了峰谷定价机制，具体生效时间以官方公告为准。

值得玩味的是，V4-Pro-Preview 的多项指标已被小弟 Flash 正式版反超。Pro 正式版想立住身位，恐怕得拿出更狠的东西。

第三方评测印证

Artificial Analysis 也已发布对 V4-Flash 正式版的评测：Intelligence Index 得分 50，与 Gemini 3.6 Flash 相当，比 Preview 提升 10 分，领先 V4-Pro 6 分，距离 GPT-5.6 Luna 和 GLM-5.2 仅 1 分之差。

从 7 月的灰度消息到今天的正式公测，DeepSeek 用一个月不到的时间把 Flash 从”能用”打磨到”能打”。对于开发者来说，一个 82.7 分 Terminal Bench 的轻量级模型进入公测，意味着 AI 编程与 Agent 任务的成本曲线又要往下压一截。

数据来源：DeepSeek API 文档发布日志（2026-07-31）、IT之家、Artificial Analysis