DeepSeek V4-Flash 正式版深度解读：一行 changelog 里的暗涌与野心

一句话定位：这是一篇给开发者、AI 从业者和关心大模型行业的人的深度解读------不吹不黑，逐条拆解官方更新日志，算清楚这笔账，再斗胆预测 DeepSeek 下一步的棋。

为什么这次发布值得你放下手头的事？（Why）

2026 年 7 月 31 日下午，DeepSeek 的 API 更新日志里多了一行字：「DeepSeek-V4-Flash 正式版 API 上线公测」。

没有发布会，没有直播，没有 PPT，连官网首页的横幅都没有，公众号更是静默。但就是这一行字，当天下午到晚上，把 DeepSeek 顶上了知乎热搜第一，开发者圈子里炸开了锅。

为什么？因为这次发布的「正式版」，做了一件过去两年行业里几乎没人做成的事：一个叫 Flash 的轻量级模型，把自家 Pro 预览版按在地上摩擦。更微妙的是，就在前几天，OpenAI 刚把 GPT-5.6 Luna 的价格砍了 80%，转头 DeepSeek 就把 Agent 能力拉高一大截、价格一分没动，还顺手把 OpenAI 的 Codex 大门给撬开了。

这不仅是技术新闻，更是一场关于「定价权」和「Agent 生态入口」的商业博弈。看懂这次更新日志，你就能看懂未来三个月的行业走向。

官方更新日志到底说了什么？（What）

换汤没换药：架构不变，只重练了「后半截」

先看最关键的一句：DeepSeek-V4-Flash-0731 的模型结构、尺寸和 Preview 版保持一致，仅重新进行了后训练（post-training）。

翻译一下：底座没换，参数没加（总参数 284B、激活参数仅 13B），这次只重练了「怎么干活」的后半段------怎么接任务、怎么调工具、失败了怎么重试、什么时候该收工。

这意味着什么？意味着这次升级不是「换发动机」，而是把「驾驶技术」练到了极致。参数没动，价格没动，就是把活干得更好了。这在靠堆算力卷参数的行业里，是一条完全不同的路线。

九项基准全面上涨，Flash 反超 Pro 预览版

官方更新日志放出了 9 项评测成绩，全部上涨，每一项都超过自家 V4-Pro-Preview：

评测基准	分数	测的是什么
Terminal Bench 2.1	82.7	终端操作、命令行任务执行
Cybergym	76.7	网络安全与攻防自动化
Toolathlon (verified)	70.3	工具调用能力
DSBench-FullStack	68.7	全栈开发任务（DeepSeek 内部测试集）
DSBench-Hard	59.6	高难度开发任务（内部测试集）
DeepSWE	54.4	真实 GitHub 仓库：读 issue、写补丁、跑测试
NL2Repo	54.2	自然语言生成完整代码仓库
Agent Last Exam	25.2	综合智能体考试
Automation Bench (Public)	25.1	自动化任务执行

逐项拆解：这 9 场「Agent 考试」到底在考什么？

对不常刷论文的读者来说，这些英文名看着像天书。别急，一个一个说人话（先普及一个小知识：benchmark 就是「基准测试」，你可以把它理解成一场标准化的考试，各家模型用同一套卷子、同一个评分标准，分数才有可比性）：

Terminal Bench 2.1（82.7）------「现场实操考试」 最接近真实工作的一项。它把 AI 丢进一个真实的终端环境（就是开发者每天敲命令的那个黑窗口），下达真实任务：改配置文件、跑脚本、装依赖、修 bug、翻日志定位问题。考的不是「知道答案」，而是「动手把事办成」。82.7 分意味着大多数终端任务它都能独立完成------相当于一个能直接上手干活、不用你手把手教的实习生。

Cybergym（76.7）------「网络安全攻防训练场」 模拟真实网络攻防场景，考察 AI 在复杂环境中的推理与安全操作能力：识别漏洞、分析攻击、执行防御动作。76.7 分说明它在安全这类高推理强度任务上表现不俗，也侧面反映了模型的复杂推理上限。

Toolathlon（70.3）------「工具使用能力竞赛」 「athlon」源于希腊语，意为「竞赛」。这场考试考的是 AI 会不会「用工具」：给定一个目标，旁边摆着一堆 API、函数、外部工具，看它能否正确选择、正确调用、处理返回结果。打个比方：给新人配齐 IDE、浏览器、数据库客户端，看他能不能在合适的时机拿起合适的工具------这是「能干活的 Agent」和「只会聊天的模型」之间的核心分水岭。

DeepSWE（54.4）------「真实软件工程师考试」 把 AI 丢进真实的 GitHub 仓库，让它自己读懂 issue（用户提交的问题报告）、定位相关代码、写出补丁、跑测试直到通过，全程无人干预。这是全行业公认最难的软件工程基准之一。据社区流传的对比数据，Claude 3.5 Sonnet 在同一指标上约为 49%，GPT-4o 约为 38%（此组横向数据未经官方确认）。一个叫 Flash 的轻量模型跑到这个分数，已经摸到闭源旗舰的脚后跟。

NL2Repo（54.2）------「一句话生成整个代码仓库」 Natural Language to Repository 的缩写：输入一句自然语言需求（比如「做一个带用户登录的博客系统」），直接输出一个完整、可运行的代码仓库。考的是从零到一的工程组织能力------不只是写几行函数，而是搭起整个项目的骨架。

DSBench-FullStack / DSBench-Hard（68.7 / 59.6）------「DeepSeek 自家模拟考」 DeepSeek 内部搭建的全栈开发与高难度任务测试集。注意：这是自家出的卷子、自家阅卷，参考时心里打个折。

Agent Last Exam（25.2）------「综合大考」 面向 Agent 的综合考试，覆盖规划、推理、多步任务执行等综合能力。25.2 分看着低？别慌，这是业内出了名的「地狱级」卷子，各家模型普遍都在二三十分徘徊，分数绝对值不能拿去和别的基准横向比较。

Automation Bench（25.1）------「自动化流水线执行」 考 AI 执行自动化工作流的能力：按流程一步步完成多步骤任务、处理中间异常。这是企业 RPA（机器人流程自动化）、运维自动化的核心场景。

两个要点提醒：

这些分数是官方用自家尚未发布的 Harness 框架、在特定参数配置下跑出的「官方自测」，参考时要打个折。
这 9 项几乎全是 Agent / 代码场景，聊天、写作等通用能力未必同水平------别把这张成绩单当成全科成绩。

放在行业里看：这是什么水平？

官方原话是「远超 V4-Pro-Preview」------同门 Pro 预览版被自家轻量版反超，这剧情放在武侠剧里就是师弟把师兄按在了脚下。
据社区与媒体评测口径（未经官方确认）：V4-Flash 正式版在多项 Agent 任务上已超过 GLM-5.2、逼近 Claude Opus 4.8；在 SWE-bench Verified（另一知名软件工程基准）上取得开源权重模型的最高分，被评价为「匹配 GPT-5.5 级别的 Agent 性能」。
独立第三方 Artificial Analysis 的智能指数为 50 分，比自家 V4 Pro 高 6 分，距 GPT-5.6 Luna（51 分）仅差 1 分（详见下一节）。

综合看下来，这串数字的共同指向非常明确：DeepSeek 已经不是在做「聊天模型」，而是朝着「能独立完成工作的 AI 软件工程师」全力转型。

给 Codex 专门开了门：原生支持 Responses API

跑分之外的隐藏炸点，是这句不起眼的话：「V4-Flash 原生支持 Responses API 格式，并针对性适配了 Codex」。

Responses API 是 OpenAI 去年 11 月推出的新一代接口规范，Codex、Agent SDK 和各种自动化工具都走它。以前想把国产模型接进 Codex，中间得垫一层协议转换，模型的推理过程、工具调用这些结构化信息，转一道就容易压扁丢失。

现在不用了。base_url 填 https://api.deepseek.com，模型名填 deepseek-v4-flash，直接指过去就能用，现有客户端一行不用改，不支持的参数会被静默忽略。

这不是技术细节，是商业策略。Codex 是 OpenAI 把 GPT 系列变现的核心入口------ChatGPT 编程订阅、企业代码自动化、Cursor/Copilot 后端都靠它。DeepSeek 用同一套协议把「轻量版」塞进去，等于对所有 Codex 用户说：你可以用 OpenAI 的姿势，调用更便宜的中国模型。

价格一分没涨，但缓存折扣更狠

能力涨了这么多，价格呢？没动，还是那张老价目表：

计费项	价格（美元/百万 token）	约合人民币
缓存命中输入	$0.0028	约 0.02 元
缓存未命中输入	$0.14	约 0.95 元
输出	$0.28	约 1.9 元

真正的狠招在缓存折扣：DeepSeek 为自己的 API 提供了约 98% 的缓存命中折扣，而行业大多数厂商只给 90% 左右。

别小看这几个百分点的差异。Agent 场景里，系统提示词、工具定义、前几轮对话历史，每一轮都在重复发送，这部分只要能命中缓存，实际账单和不命中能差出几十倍。换算下来，在 DeepSeek 自有 API 上的单任务成本，比已经降价 80% 的 GPT-5.6 Luna 还低约 60%。

日志角落里没宣传的三件事

老 API 已经静悄悄下线 ：V4 预览版于 4 月 24 日上线时，官方即预告 deepseek-chat 和 deepseek-reasoner 两个老接口将在 3 个月内停止维护；7 月 24 日（15:59 UTC 起），两个老接口正式停用，旧请求直接失败，所有流量全部指向 deepseek-v4-flash。也就是说，在正式版官宣之前，开发者调用的 DeepSeek 任何功能，背后跑的都是 V4-Flash------先用 Preview 标签悄悄跑了一周多，等 bug 在真实流量里消化掉，再「正式」宣布。
峰谷定价预告：早在 6 月 29 日官宣 V4 正式版上线计划时，DeepSeek 就已预告将首次引入「峰谷定价」机制------高峰时段（北京时间每天 9:00--12:00、14:00--18:00）价格为平时 2 倍，适用所有计费项。官方注明「具体时间以正式通知为准」。这次更新日志发布后，定价页上的该预告依然有效。对开发者来说，批量任务错峰跑能省一半。
V4-Pro 正式版「尽快发布」：更新日志最后一句是 V4-Pro 正式版将会尽快发布。官方文档显示 Pro 的 Responses API 支持预计 8 月初上线。

第三方视角：独立评测机构怎么看？（What +）

官方跑分有「王婆卖瓜」之嫌？没关系，独立评测机构也出了结果。

Artificial Analysis（智能指数 AII）：DeepSeek V4 Flash 0731 拿到 50 分，比 4 月发布的 V4 Flash 高 10 分，比 V4 Pro 高 6 分，距离 OpenAI 目前最高分的 GPT-5.6 Luna（51 分）只差 1 分。即便 OpenAI 当天刚把 Luna 价格下调 80%，V4 Flash 的单任务成本仍比它低约 60%，关键因素就是那 98% 的缓存命中折扣。

Arena（人类偏好盲测） ：在 Frontend Code Arena（前端代码竞技场）中，DeepSeek-V4-Flash-High 以 1586 分重塑榜单------总排名第 7、开放类别排名第 3，比 Preview 版提升 154 分，比 V4-Pro-Preview 提升 121 分。每个 MToken 价格 $0.14/0.14/$ 0.14/0.28，被评价为「同类产品中性价比最高」。

两个维度的独立验证指向同一个结论：这不是营销话术，Flash 的 Agent 能力是真的上来了。

怎么用？开发者接入姿势（How）

快速上手

已经在用 DeepSeek API 的开发者，迁移成本几乎为零------模型名保持 deepseek-v4-flash，base_url 不变，唯一要做的是重新跑一轮回归测试：

text 复制代码

base_url:  https://api.deepseek.com   （保持不变）
model:     deepseek-v4-flash          （老接口流量已全部指向它）

如果要用 Codex，按官方 Responses API 指南补上 responses.create 调用即可。

一个关键提醒

目前的 Responses API 是无状态实现：不支持 previous_response_id，store 参数恒为 false，每轮对话历史还是得自己带上。另外目前只有 Flash 支持 Responses API，Pro 要等到 8 月初。

成本账怎么算

Agent 场景下，系统提示词、工具定义、前几轮历史，每一轮都在重复发。这部分能命中缓存的话，实际账单和不命中能差出几十倍。所以这张价格表里，最值得盯的是 0.02 元那行------设计好提示词结构、让可缓存部分保持稳定，是省钱的唯一正解。

这次发布对行业意味着什么？

1. 「轻量 = 便宜 + 牺牲性能」的公式被打破了

过去两年，AI 行业的「小模型」逻辑是：轻量 = 便宜 + 牺牲性能。GPT-4o-mini、Claude Haiku、Gemini Flash 都是这个思路------日常对话够用，专业任务就差一截。V4-Flash 用 13B 激活参数跑出 Pro 级 Agent 成绩，直接把这个等式踩进了土里：1M 上下文的全仓库代码分析、企业级 Agent 自动化、长文档综述------这些过去只有 Pro 才能跑的任务，现在 Flash 都能跑。

2. 算力账被重算了一遍

据社区流传的对比测算（未经官方确认）：V4-Flash 跑在 1M token 上下文下，单 token 算力仅约 0.13 TFLOPs、显存不到 3GB；同样的输入给 V3.2，约需 1.2 TFLOPs 和 50GB。若属实，Flash 算力约省 89%、显存约省 94%，同样的钱能多喂约 8 倍的上下文。对企业级 Agent 自动化公司来说，成本结构、定价权、调用频率上限，全被重新洗牌。

3. 国内小模型策略被迫重新评估

阿里通义、字节豆包、腾讯混元各家轻量版，都要在 DeepSeek 面前回答同一个问题：你的 Flash，凭什么让开发者换过来？「轻量级 Agent 第一名」的位子，DeepSeek 先坐下了。

4. 对 OpenAI 的 Codex 生态是釜底抽薪

DeepSeek 用同一套 Responses API 协议接入 Codex，等于把 OpenAI 的变现入口变成了自己的获客渠道。开发者可以「用 OpenAI 的姿势，调用更便宜的中国模型」------这比任何广告都有效。

对个人开发者意味着什么？

对个人来说，这次发布最实在的一句话是：「难的活」的范围，正在以月为单位缩小。

以前要上旗舰模型才敢接的活（长代码库分析、多工具链协调、自动化脚本），现在一个 Flash 就能跑，账单还不到旗舰的零头。
Codex 指到 DeepSeek 就能用，意味着你手里那些基于 OpenAI 生态的 Agent 工具、IDE 插件、自动化脚本，改一行配置就能切换到成本低一个量级的模型上。
峰谷定价落地后，把批量任务挪到夜间和周末跑，账单还能再省一半。

有人上个月刚把主力模型从「一家贵的」换成国产混搭，月开销从 1200 美金降到 4000 人民币。当时还有人留言说「便宜是便宜，难的活还是得上强模型」------这个判断现在依然成立，但最难的长链条任务，第一梯队那几家也在被逐个追平。

未来预测：DeepSeek 下一步可能做什么？

以下均为基于公开信息的合理推测，不代表官方承诺，仅供参考。

1. V4-Pro 正式版 8 月初登场（高置信度） 官方白纸黑字写了「尽快发布」，Responses API 文档也标注 Pro 支持预计 8 月初上线。Flash 已经这样了，Pro 正式版大概率会刷新综合能力榜------到时候「Pro 强、Flash 弱」的分层逻辑可能正式回归，也可能被彻底重构。

2. 峰谷定价正式落地（高置信度） 预告已经挂在定价页，落地只是时间问题。这也侧面说明 DeepSeek 的推理负载已经出现明显的潮汐效应，需要用价格杠杆削峰填谷。

3. 开源 V4 系列权重（中置信度） DeepSeek 自 R1、V3 起就坚持开源传统，社区普遍猜测 V4 系列最终会开源。若成真，将再次点燃全球范围内的蒸馏与微调热潮，也意味着「Flash 级 Agent 能力」会迅速下沉到任何有 GPU 的团队手里。

4. 工具生态继续扩张（中置信度） Responses API 只是第一步，接下来大概率是 MCP（模型上下文协议）、更多 IDE 插件、Agent 框架的官方适配，把「Codex 平替」做成「Agent 全家桶」。

5. 价格战进入「不降单价、只降任务成本」的新阶段（高置信度） 这次的关键词不是「降价」而是「缓存折扣 + 后训练提效」。当模型在同样价格下把活干得更好，单价不动，任务总成本却实打实地下降------这是比直接降价更高级的竞争手段，对手很难跟进。

常见误区与避坑指南

误区	正确理解	建议
「正式版 = 换了新模型」	架构和 Preview 完全一致，只重练了后训练，能力提升集中在 Agent 场景	按「升级补丁」对待，重点回归 Agent 工作流
「跑分 82.7 就能全面替代旗舰」	九项基准全是 Agent/代码场景，聊天、写作等通用能力未必同水平	按场景选模型，别拿单一榜单当全科成绩单
「Agent Last Exam 25.2 分 = 模型很弱」	这是业内出了名的「地狱级」卷子，各家普遍二三十分，绝对值不能跨基准比较	看相对排名而非绝对分数
「官方 9 项跑分 = 铁证」	这些是官方用自家未发布的 Harness 框架自测的成绩	交叉比对第三方评测（AA、Arena），心里打个折
「接入 Codex 零成本」	协议是兼容了，但 Responses API 是无状态实现，历史得自己带	核对 `previous_response_id`、`store` 参数限制
「缓存折扣 98% 意味着永远便宜」	折扣只对命中部分有效，且峰谷定价落地后高峰时段翻倍	优化提示词结构提高缓存命中率，批量任务错峰跑
「DSBench 系列跑分权威」	是 DeepSeek 内部测试集，存在自测偏差	参考时心里打个折，优先看国际通用基准

小结

DeepSeek V4-Flash 正式版的真正信号，不在那九个跑分里，而在这三条时间线交叠的时刻：老 API 静默下线、Responses API 默认接通、Pro 还没正式发布。

从今天起，调 deepseek-v4-flash 不再是「试一试」，而是默认项。等到 9 月各家开发者做下半年规划时，会发现自己的 Agent 系统已经深度绑在了这个 13B 激活参数的小模型上------不是选的，是被默认的。

「Flash 都这样了，Pro 正式版什么样？」------这句话，大概是接下来一个月整个行业共同的悬念。

给个人的行动建议只有一句：把 Codex 的接口指到 DeepSeek 试一段时间，先买便宜的试，日常活真够用再切主力。不行也没亏多少------毕竟，最贵的从来不是模型，是你犹豫的时间。

参考链接

注：本文成文于 2026 年 8 月 1 日，定价与接口信息以官方页面实时数据为准。文中「未来预测」部分为基于公开信息的推测，不构成投资或采购建议。