什么值得买App下载 App ›
连续签到专享现金活动

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
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
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
基准测试V4-Flash 正式版V4-Flash 预览版涨幅
Terminal Bench 2.182.761.8+34%
DeepSWE54.47.3+645%
Cybergym76.738.7+98%
AutomationBench25.110.8+132%
NL2Repo54.239.4+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
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
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
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

评论

评论区空态插画

当前文章无评论,是时候发表评论了