DeepSeek这次小更新：V4-Flash版本，模型强大，里面藏着两个大招

DeepSeek-V4-Flash正式版发布了，性能超过此前的V4-Pro-Preview，基准测试成绩甚至能和Claude Fable 5放在同一张表里比较。

一个总参数284B、激活参数仅13B的 “ 轻量版 ” 模型在多项任务上追平了那个曾经遥不可及的Opus 4.8。更离谱的是价格，Flash版便宜到令人发指，两块就能让它输出100万tokens，把自己手头所有的项目都优化了一遍，结果还没花掉一杯奶茶钱。

昨天在开发者群里，突然所有人停下手里的事，开始转发评测截图，现在特别开心，有种人类黄金时代的错觉。

谁也没想到，DeepSeek这次又给大家憋了个大的，卡着7月的尾巴，发布了DeepSeek V4 Flash的正式版。说实话，一开始，对这次更新其实是没有太在意的。毕竟只是一个顶着Flash名头的模型更新，主力军Pro系列更是动都没动。上一次只更新Flash ，不更新Pro模型的大模型厂商还是谷歌，现在已经成了大家的玩梗对象。

这你一个Flash模型再更新，能力总不能超过Pro吧。不是哥们，你这Flash模型怎么比Pro模型的跑分都强了？这还是Flash吗？

不对DeepSeek，大模型不是这样玩的，你应该先发一个Flash模型，然后说自己只是速度快一些罢了，你怎么直接让Flash模型追上了自家的Pro模型，然后价格还只卖2块钱 / 百万token，而且时不时还能有个打一折的缓存命中优惠，周末用了1个亿token才花掉了5块钱。

根据这次V4 Flash亮出来的跑分整理了一下，可以发现这次Flash模型的能力极其夸张。超过了自己的大哥Pro不说，虽然比不上Claude Opus5、GPT-5.6 Sol、还有Kimi K3这些顶级模型。但是正式版的V4 Flash，基本上也就不如这几家了。

有网友把各家大模型的能力和价格，收集到一起做了个表整理了出来：每个大模型在表上都是一个点，点的位置越靠左边，说明模型越便宜，点的位置越靠上面，说明模型的性能越好。这样一看就会很直观的发现，市面上绝大多数模型 ，都处在一个很尴尬的位置。性能没DeepSeek好就算了，价格还比DeepSeek要贵。

而那些性能比DeepSeek要强的模型，处境其实也没好到哪去，因为它们的价格实在是太贵了。朋友们可能没注意到，上面这张图的横轴，它不是一个线性坐标轴，而是个对数轴，但咱给模型花钱的时候可不是这么算的。

于是稍微动用了一下很久没有用过的PS手段，把这张图给拉成了线性坐标轴来看看，发现它的真实比例，其实是这样的。也就是说，论性能的话，Claude Fable5，GPT-5.6 Sol这些模型比起V4 Flash来说，可能有个这么两成的提升。但是这些模型的价格，可能也要比V4 Flash多了两个0。

夸张一些的话，可以说DeepSeek又一次重新定义了模型的斩杀线。

所以，这次DeepSeek是怎么做到的？明明模型的架构，参数都没啥变化，为什么一个模型的能力会突然有如此巨大的变化？我也是往回翻了翻DeepSeek的论文和公开资料，找到了两个概率最大的方向。首先最重要的一个点就是后训练，这也是官方承认的，预览版和正式版差距最大的地方了。

这里给对大模型不太了解的差友科普一下，一般来说，我们会把大模型的训练给分成两个阶段。

第一个阶段叫预训练。

在这块，我们需要给模型塞进去海量文本、代码和其他数据，以此来让它学会回答问题的基本能力。整个过程有点像在培养一个高中生，不管是语数外，还是物化生，史政地，还是音乐美术体育计算机，各种领域的知识都要拿点过来给他，通过这种方式来提高模型的基础能力。

而第二个阶段后训练，则是锻炼的真正干活解题的能力。这块做的活主要是刷题，让模型通过反反复复地刷题，来提高模型的应试教育能力，让它来学会怎么解决问题。研究人员会通过监督微调、强化学习和大量任务数据，让模型学会理解指令、拆解问题、使用工具，以及按照人类偏好的方式给出答案。同样预训练出来的一个模型，在经过了不同的后训练刷题练习之后，是很容易刷出完全不同的表现的。

之前DeepSeek R1的论文里就讲过，他们把V3拿过来做了GRPO（ 群组相对策略优化 ） 强化学习之后，模型的数学能力就得到了巨大的提升，在AIME 2024测试集上的正确率直接从开始的15.6%给飙升到了71%。OpenAI当年的InstructGPT也一样。

经过监督微调和RLHF之后，一个只有13亿参数的模型，在真人盲评里，甚至能打赢参数量大了100多倍的GPT-3。

如果说预训练决定了模型的大脑里有没有相关的知识的话，那么后训练就是决定模型有没有掌握把这些知识给拿出来的能力。当然光靠后训练，或许还不能完全解释这次V4 Flash的夸张成绩。

仔细看DeepSeek的发布说明，大家还能发现一件事：那就是这次公开的部分跑分，DeepSeek并不是让模型直接裸跑得出来的,而是用上了一个叫做DeepSeek Harness的未发布工具。

而Harness这个词大家这半年来应该也听过不少，现在热的红火的Claude Code，Codex，OpenClaw其实都可以算是Harness，或者说是Agent工具的一种。就连现在大伙经常刷到的Workbuddy，Qoder，Trae也都能算是。而现在，DeepSeek要推出自己的Agent工具卷进来了。

这件事，可能比单独更新一个模型还要关键得多。因为在现在这个Agent时代，一个模型最后能干出什么成绩，已经不只取决于模型本身有多聪明，还取决于外面给它套了一套什么样的工具。一个裸模型就像一个坐在考场里的学生，遇到复杂的问题就只能靠自己的脑子硬算。

但Agent会给模型安上搜索引擎，能给它配上代码的运行环境，还会帮它管理好项目的上下文，检查项目的运行结果，甚至跑错了还能直接重来一次。通过这些外置工具给模型上Buff，AI实际做事的能力可以得到极大的增强。

今年年初的时候，多伦多大学的团队做了一个研究，他们把同一个大模型，放到不同的Agent工具里面来做测试。结果发现同一个模型，在不同的工具里表现的完全不同，完成问题的概率最高能差个好几倍。

前不久有人说过，现在AI的发展，就像一级一级向上爬的阶梯。去年的阶梯是思维链，通过思维链的方式，我们可以让模型学会自己思考，来让AI能做到更多的事情。而今年，AI发展最重要的阶梯就是Agent。现在DeepSeek也交出了自己对Agent的答案，通过高质量的后训练和Agent工具，把原本负责轻量应用的Flash，给直接拉到了全球旗舰模型的身后。

说实话，看到这个超级强化后的Super Pro Max版本的Flash模型，已经开始期待起来了。既然一个用来打下沉市场的小弟，都能靠着出神入化的后训练和DeepSeek Harness工具，跟GPT-5.6Sol、Claude Fable 5这些身娇肉贵的 “ 太上皇 ” 们掰掰手腕~那要是等DeepSeek把这套版本答案，给套在更强的V4 Pro上呢？