2026年7月31日，DeepSeek正式宣布DeepSeek‑V4‑Flash正式版（版本號V4‑Flash‑0731）API上線公測。官方話，今次只係升級 Flash 版本，架構同參數規模與預覽版保持一致，重點透過後訓練大幅加強 Agent 能力，尤其喺代碼修改、工具調用同多步驟任務執行方面表現突出。V4‑Pro 正式版則預計會盡快推出。
模型概況同核心規格
DeepSeek V4‑Flash 採用混合專家（MoE）架構，總參數約2840億，每次激活約130億參數，支援1M token上下文視窗。呢個設計喺保持較高智能水準嘅同時，明顯降低咗推理成本同硬件門檻，令佢既可以透過 API 高效調用，也可以喺單機高記憶體裝置上本地運行。
官方強調，正式版主要針對 Agent 場景做咗後訓練優化，而唔係單純擴大參數規模。測試中使用咗 DeepSeek Harness 極簡模式，並喺 max 推理檔位下進行評測。
測試指標：多項基準「炸雷」
官方披露嘅數據顯示，V4‑Flash‑0731 喺多項智能體、代碼與自動化基準上全面超越此前嘅 V4‑Pro 預覽版：
- Terminal Bench 2.1：得分82.7
- DeepSWE：得分54.4
- 喺九項 Agent 相關基準中整體表現顯著優於 V4‑Pro 預覽版
- Artificial Analysis Intelligence Index（最高推理檔位）給出50分，遠高於同類可比模型中位數（約17–25分）
- 部分獨立榜單中，其喺開源權重模型中排名靠前，性價比尤為突出
定價方面，V4‑Flash 保持極具競爭力嘅低價策略（輸入約$0.14/百萬Token、輸出約$0.28/百萬Token量級），任務執行成本可低至數美分，僅為部分前沿模型嘅極小比例。呢種「性能—價格」組合令佢表現非常搶眼。
實際使用效果：亮眼數據背後嘅觀察
儘管測試指標表現強勁，社區同獨立評測已開始出現較審慎嘅聲音。部分開發者反映，模型喺標準基準上表現優異，但喺真實複雜工作流中仍存在「benchmark maxed」（基準優化過度）嘅跡象：標準測試得分好高，但實際執行時可能出現唔夠穩定、細節處理粗糙或者長程一致性不足嘅問題。
亦有用戶肯定佢喺代碼 Agent、工具調用同日常自動化任務中嘅實用性，尤其喺成本敏感場景下，低價加上足夠強嘅能力帶嚟明顯體驗提升。整體嚟講，正式版嘅實際效果仍需更大規模、長時間嘅真實場景驗證。
可能影響：開源與高性價比賽道嘅新變數
1. 對開發者與企業嘅影響 極低嘅價格同強化嘅 Agent 能力，令 V4‑Flash 成為構建高並發 Agent、代碼助手同自動化流水線嘅有力候選。開發者可以用非常低成本做大規模實驗同部署，降低試錯門檻。
2. 對國產大模型競爭格局嘅影響 V4‑Flash 嘅正式發布進一步鞏固咗 DeepSeek 喺高性價比開源/半開源賽道上嘅位置。佢同 Kimi K3、Qwen 等模型形成差異化競爭：前者着重極致成本同 Agent 效率，後者則喺參數規模與綜合智能上發力。
3. 對全球 AI 市場嘅影響 低價高性能模型持續擠壓中端閉源模型嘅生存空間，可能加速「模型路由」策略嘅普及——簡單任務用廉價高效模型，複雜任務再調用旗艦模型。與此同時，開源權重模型嘅實用價值進一步得到驗證。
4. 潛在風險與觀察點
- 基準與真實表現之間嘅差距需持續跟蹤。
- 後訓練強化 Agent 能力嘅同時，會唔會引入新嘅幻覺或不穩定性，仍需驗證。
- V4‑Pro 正式版嘅表現將決定 DeepSeek 喺更高端市場嘅競爭力。
行業啟示：指標同落地之間嘅距離
DeepSeek V4‑Flash 正式版以亮眼測試數據同極致性價比迅速吸引注意，反映咗中國大模型喺工程優化同成本控制上嘅持續進步。不過，AI 模型嘅真正價值最終取決於真實場景中嘅穩定性、一致性同可用性。
目前，V4‑Flash 更似一款「高潛力、待驗證」嘅實用工具：適合成本敏感、中等複雜度嘅 Agent 同編碼任務，但喺最高難度、長程一致性要求極高嘅場景中，仍需同其他前沿模型交叉驗證。
隨住更多開發者將佢投入實際生產，佢嘅真實表現會逐步清晰。對行業嚟講，呢類高性價比模型嘅湧現，正加速 AI 從「實驗室炫技」走向「大規模日常可用」嘅進程。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎關注我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多 AI 新聞請訪問：https://www.airosetta.com