130亿参数碾压490亿旗舰:DeepSeek轻量版杀疯Agent任务,成本只有GPT的1/30
DeepSeek V4-Flash 正式版上线,轻量版本反杀了自家旗舰。Terminal Bench 2.1 得分 82.7,这个数字比三个月前的 V4-Pro 预览版还高。模型骨架没换、参数没加,唯一动过的地方是后训练阶段。
这意味着什么?后训练的优化空间,可能比单纯堆参数更有杠杆。一个 130 亿激活参数的轻量选手,靠"后天教育"在 Agent 任务上碾压了 490 亿激活参数的旗舰版本。1
这意味着什么?后训练的优化空间,可能比单纯堆参数更有杠杆。一个 130 亿激活参数的轻量选手,靠"后天教育"在 Agent 任务上碾压了 490 亿激活参数的旗舰版本。1
后训练到底改了什么东西
DeepSeek 在更新日志里写得很克制:模型结构、尺寸跟预览版完全一致,只重新做了后训练。底座是那套 2840 亿总参数、130 亿激活参数的 MoE 架构,上下文窗口还是 100 万 token。
真正变化的藏在训练数据、目标函数、对齐策略这些环节。官方把这套后训练框架叫 DeepSeek Harness 极简模式,目前还没正式发布,先用在了这次基准测试里。2
真正变化的藏在训练数据、目标函数、对齐策略这些环节。官方把这套后训练框架叫 DeepSeek Harness 极简模式,目前还没正式发布,先用在了这次基准测试里。2
九项基准测试,涨了多少
DeepSeek 一口气甩出了 9 项 Agent 基准的完整成绩单。涨幅最大的单项是 DeepSWE,从预览版的 7.3 分直接蹦到 54.4 分——涨幅 645%,相当于翻了 7 倍多。这个指标衡量的是 AI 在真实 GitHub 任务里自主定位 bug、编写补丁、跑测试的能力。预览版在这个测试上几乎不可用,正式版直接跳进第一梯队。
其他几项也很猛:Cybergym 提升 98%,AutomationBench 提升 132%,Terminal Bench 提升 34%。Flash 正式版在 9 项测试里全部领先 V4-Pro 预览版,而前者激活参数只有后者的四分之一。3
其他几项也很猛:Cybergym 提升 98%,AutomationBench 提升 132%,Terminal Bench 提升 34%。Flash 正式版在 9 项测试里全部领先 V4-Pro 预览版,而前者激活参数只有后者的四分之一。3
| 基准测试 | V4-Flash 正式版 | V4-Flash 预览版 | 涨幅 |
|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 61.8 | +34% |
| DeepSWE | 54.4 | 7.3 | +645% |
| Cybergym | 76.7 | 38.7 | +98% |
| AutomationBench | 25.1 | 10.8 | +132% |
| NL2Repo | 54.2 | 39.4 | +38% |
V4-Flash 正式版 vs 预览版核心基准对比
放在整个行业里比,这个成绩更有意思。Terminal Bench 2.1 上 82.7 分超过了智谱 GLM-5.2 的 81.0 分,逼近 Claude Opus 4.8 的 85.0 分。DeepSWE 54.4 分与 Opus 4.8 的 58 分差距已经不大。GLM-5.2 总参数是 Flash 的 2.6 倍,激活参数接近 3 倍,跑出来的分数反而被小模型超了。3
原生适配 Codex,开发者能省多少事
这次另一个重要动作是原生支持 Responses API 格式,并针对性适配了 Codex。Responses API 是 OpenAI 推的新一代接口格式,比传统 Chat Completions 更适合 Agent 场景——工具调用更灵活、多轮交互更自然。
DeepSeek 直接把这个格式补齐了,意味着基于 OpenAI 生态开发的 Agent 应用几乎可以零成本迁移。以前想用 DeepSeek 替代 Codex,得靠第三方适配层转换,现在配置一次就能直接用。官方提供了从一键脚本到 config.toml 的完整教程,Codex CLI、ChatGPT 桌面端、VS Code 插件共用同一份配置。4
DeepSeek 直接把这个格式补齐了,意味着基于 OpenAI 生态开发的 Agent 应用几乎可以零成本迁移。以前想用 DeepSeek 替代 Codex,得靠第三方适配层转换,现在配置一次就能直接用。官方提供了从一键脚本到 config.toml 的完整教程,Codex CLI、ChatGPT 桌面端、VS Code 插件共用同一份配置。4
价格和并发,Flash 的商业逻辑
Flash 定价没变:输入 1 元/百万 token,输出 2 元/百万 token。价格只有 Pro 版的三分之一,并发上限 2500 则是 Pro 的 5 倍。更关键的是缓存命中折扣——输入端约 98% 的折扣,远超行业普遍的 90%。
Agent 任务的成本逻辑跟普通聊天不一样。一次任务可能包含几十甚至上百次模型调用,推理延迟和单次成本会被任务长度不断放大。用更低单价、更高并发支撑更长链条的 Agent 任务,这是 Flash 版本的商业逻辑。5
Agent 任务的成本逻辑跟普通聊天不一样。一次任务可能包含几十甚至上百次模型调用,推理延迟和单次成本会被任务长度不断放大。用更低单价、更高并发支撑更长链条的 Agent 任务,这是 Flash 版本的商业逻辑。5
跟国际选手比差距更直观。GPT-5.6 Sol 每百万 token 输入 5 美元、输出 30 美元,Claude Opus 4.8 每百万 token 输入 5 美元、输出 25 美元。V4-Flash 的成本只有这两位的几十分之一,但 Agent 基准分数已经追到贴身距离。OpenRouter 的数据显示,美国企业 Token 使用量里国内模型占比从 4.5% 飙到 46%,这个趋势背后是成本在驱动。6
现在怎么接入
调用方式没变,base_url 保持不变,model 参数改成 deepseek-v4-flash 就能用上最新版。OpenAI 格式和 Anthropic 格式的接口都能用,旧的两个模型名 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日正式弃用。
V4-Pro 的正式版还没准备好,官方说法是"尽快发布"。需要注意的是,目前只有 Flash 支持接入 Codex,V4-Pro 用户得等到 8 月初。4
V4-Pro 的正式版还没准备好,官方说法是"尽快发布"。需要注意的是,目前只有 Flash 支持接入 Codex,V4-Pro 用户得等到 8 月初。4
想本地跑的开发者已经可以拿到 GGUF 量化版本。128GB 内存选 UD-IQ3_XXS,192GB 或 256GB 直接上 UD-Q8_K_XL。前者约 110-135GB 总内存占用,后者约 162GB,真正无损。Unsloth Studio 提供了更简单的图形化方式,Mac、Linux、Windows 都能跑。7
这次更新的信号很清楚:后训练的优化空间被低估了。同样一副骨架,换一套训练方法就能让 Agent 能力翻倍甚至翻七倍。对开发者来说,门槛在降低——花 Pro 版本三分之一的钱,就能拿到接近甚至超过 Pro 版本的 Agent 干活能力。
如果主要场景是让 AI 自己动手跑任务、写代码、管终端,Flash 正式版现在是最划算的选择。等 V4-Pro 正式版出来后,两个版本怎么选,看具体任务对上限的要求。5
如果主要场景是让 AI 自己动手跑任务、写代码、管终端,Flash 正式版现在是最划算的选择。等 V4-Pro 正式版出来后,两个版本怎么选,看具体任务对上限的要求。5
当前文章无评论,是时候发表评论了