2026年7月31日，DeepSeek正式上线V4-Flash正式版API并开启公测。此次升级释放出一个明确信号：Flash在多项Agent评测中的表现，已接近甚至部分超过三个月前V4-Pro预览版的水准。

据官方披露，V4-Flash正式版在Terminal Bench 2.1取得82.7分，NL2Repo为54.2分，Cybergym达76.7分，Toolathlon verified则为70.3分。作为对照，V4-Pro预览版在Terminal Bench 2.0上的成绩为67.9分。尽管两版测试集不同、不宜直接横向比较，但一个激活参数仅130亿的轻量模型，能够在Agent场景中跑出如此数据，足见后训练环节的优化潜力。目前该版本仅限API公测，App与网页端暂不开放，V4-Pro正式版也计划近期推出。

官方日志特别说明，V4-Flash-0731在模型结构与尺寸上与预览版完全一致，仅对后训练流程进行了重做。按照技术报告，V4-Flash总参数量为2840亿，激活参数130亿，而V4-Pro则为1.6万亿总参数、490亿激活参数，两者规模相差近一个数量级。若Flash能靠后训练将Agent水准拉升至接近Pro，则意味着在特定任务中，模型尺寸并非唯一决定因子，训练策略与数据质量的重要性正日渐凸显。测试中采用的DeepSeek Harness极简模式也暗示，团队在Agent框架层面同步做了针对性优化。

Harness的正式亮相，恰与DeepSeek对Agent和持续学习的技术判断吻合。梁文锋曾将AGI实现比作爬楼梯：语言模型为第一级，CoT是去年的突破，今年迈向Agent，而下一步必须攻克持续学习——让模型具备长期积累经验的能力。今年3月组建的Agent Harness团队由崔添翼领衔，其为浙大计算机背景，手握6枚ACM亚洲金牌，曾在Jane Street任职九年，并于5月启动扩编。按规划，Harness将随V4正式版同步推出。

放眼全球，Agent能力的第一阵营仍以闭源厂商为主，GPT-5.6 Sol、Claude Opus等在多数基准测试中领先，国内GLM、Qwen等也加紧追赶。DeepSeek此番大幅拉升Flash的Agent表现，战略意图明确：以高性价比轻量模型切入对推理速度与成本高度敏感的Agent应用市场。内部测试集DSBench-FullStack与DSBench-Hard分别取得68.7和59.6分，也验证了其作为开发者和Agent底座的方向定位。

生态维度上，V4-Flash正式版原生支持Responses API，并针对性适配Codex。Responses API相较传统Chat Completions更适配Agent场景，支持更灵活的工具调用和复杂多轮交互；对Codex的适配则直指代码生成领域。两措并举，不仅降低OpenAI生态开发者的迁移成本，也在OpenAI传统优势地带发起挑战，意在Agent时代构建自身生态位。

此番更新，距DeepSeek完成首轮外部融资尚不足两月。彼时融资金额超500亿元人民币，投后估值约520亿美元，投资方涵盖腾讯、宁德时代、京东及多家国资产业基金。7月中旬，新一轮私募已启动，投前估值约710亿美元，较此前上涨约37%。高估值之下，市场对其技术实力与商业化前景均寄予厚望。梁文锋在首轮中个人出资约200亿元，并通过特殊架构保持控制权，此次从“不融资不上市”转向积极引入资本，意味着DeepSeek正加速迈向商业化和IPO。

Flash正式版的发布，可视作资本加持下的一次技术兑现。而后续真正的考验在于：Pro正式版能否如期落地，Agent能力提升能否转化为持续营收，以及在巨头环伺中，高性价比路线如何持续发挥优势。Agent竞赛刚刚起跑，DeepSeek以轻量模型的显著进化，为行业提出一道新命题——当后训练红利被持续挖掘、效率提升逐步抵减参数差距，大模型的竞争逻辑，或许正在被重新定义。

【免责声明】部分数据来源于网络公开报道及行业资讯，如有侵权，请及时与本网站联系，我们将第一时间予以删改。文中所涉观点、数据及分析仅代表小编个人观点，仅供参考，不构成任何投资建议、商业决策依据或法律承诺。投资有风险，决策需谨慎；任何单位或个人据此进行商业决策、经营行为所产生的风险，均自行承担。