北京
这几天，哥们我一直在等一个东西。
DeepSeek-V4-Pro正式版。
等了三个月，从4月等到7月，消息永远是"快了快了"。
结果7月最后一天，Pro没等来，Flash先来了。
本来心想，一轻量版有啥好看的。。。
结果打开跑分一看，我直接懵了。
这玩意，把自家旗舰Pro预览版，按在地上摩擦。
先看数字，看完你会沉默
Terminal Bench 2.1，终端操作能力测试，V4-Flash正式版拿了82.7分。
自家V4-Pro预览版，72.1分。
GLM-5.2，81.0分。
连Opus 4.8的85.0分，都只差2.3了。
更离谱的是DeepSWE，软件工程Agent测试。
Flash预览版只有7.3分。
正式版直接干到54.4。
涨了7倍多。
7.3到54.4，这已经不是优化了，这是换了个脑子。
有开发者调侃："以前说Flash是丐版，现在是丐版把旗舰店砸了。"
同一台车，换了个司机
重点来了。
模型结构，一个参数没变。
2840亿总参数，130亿激活参数，跟预览版完全一致。
变的只有一样东西——后训练。
翻译成人话：同一台车，同一个发动机，换了个司机，跑法完全不一样了。
预训练像上学，让模型获得基础知识。
后训练像入职培训，教它怎么把知识组织成一段可靠的工作流程。
什么时候调用工具，怎么读报错，失败后往哪退，什么时候该停。
这些动作单独看不难，难的是连续做几十步、上百步还不跑偏。
DeepSeek这次，就是在后训练阶段把这套"工作习惯"狠狠强化了一波。
参数决定模型装得下多少能力，后训练决定这些能力在漫长任务中能被稳定调用出多少。跑分是跑分，干活是干活
不过哥们也得说句实话。
跑分，看看就行，别上头。
官方测试用的是自家Harness框架，max档位。
DSBench那两项还是内部测试集，外部没法独立复现。
第三方综合指数上，V4-Flash和GLM-5.2基本持平，离Opus 5、GPT-5.6还有10分左右的差距。
真实项目里呢？没文档、依赖过期、测试跑不起来、需求改了三遍、产品经理说"应该很简单"。。。
这些，跑分一个都测不出来。
一个跑分很高的模型，处理年久失修的内部系统时，可能让你直接破防。
但有些事，比跑分更让人感慨
抛开跑分争议，有个事让我挺感慨的。
V4-Flash的输出价格，2块钱一百万token。
Pro是6块。
Claude Opus 4.8，大概是它的90倍。
一个284B的轻量模型，Agent能力部分追平Opus 4.8。
价格，只有人家的零头。
我突然想到一个在四五线城市接外包的哥们。
租着十几平的房，以前用Claude，一个月API费用小两千，肉疼。
现在换DeepSeek，几块钱干完同样的活。
对大厂来说，这点差价不算啥。
但对独立开发者、小团队、刚起步的创业者来说。
便宜，就是活下去的理由。
技术革命的红利，终于往普通人手里流了。
Pro还没来，但故事才刚翻到第二章
同一天，OpenAI宣布GPT-5.6大降价，DeepSeek反手就是一记暴击。
大模型的竞争，从比谁参数大，变成了比谁"教得好"还"卖得便宜"。
DeepSeek-V4-Pro正式版还没来。
但如果Flash就已经这样了。。。
Pro会恐怖到什么程度？
大模型的故事才刚翻到第二章。
后面每一页，都比前页更刺激。
愿我们，都能在这场洪流里，找到自己的位置。
丐版干翻旗舰，这事你怎么看？如果你是团队技术负责人，V4-Flash的Agent能力已经够用，你还会等V4-Pro正式版吗？还是说先上车再说，省下的钱请团队吃顿火锅不香吗？
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
