河南
7月31日下午，DeepSeek在API文档里写了一个更新日志：V4-Flash正式版上线公测。距离4月预览版发布正好三个月。
按照过往的产品节奏，这不过是一次常规迭代。但开发者社区很快发现了一个反常的事实——这个被定位为“轻量版”的模型，在九项智能体基准测试中，全部超过了自家那个1.6万亿总参数、490亿激活参数的V4-Pro预览版。
解读底层硬指标
V4-Flash总参数2840亿，激活参数130亿。V4-Pro总参数1.6万亿，激活参数490亿。两者在模型规模上差了一个数量级。但Flash在Terminal Bench 2.1上拿了82.7分，在DeepSWE上拿了54.4分。而Pro预览版在Terminal Bench 2.0上只有67.9分。在Agent Last Exam这个2026年新推出的面向真实任务评测的基准上，Flash得了25.2分，接近Opus 4.8的25.7分，Pro预览版只有15.8分。
有意思的地方在于，模型的结构和尺寸跟预览版完全一样，只是重新做了后训练。底座没换，换的是“后天教育”。这其实在传递一个信号：在Agent这条赛道上，堆参数的边际收益可能正在递减，后训练策略的优化空间比想象中大得多。一个激活参数只有130亿的模型，能跑出逼近顶级闭源模型的Agent分数——训练方法和数据质量的权重正在上升。
性价比为王
V4-Flash维持每百万token输入1元、输出2元。缓存命中的话输入只要2毛钱。对比一下，GPT-5.6 Sol百万tokens输入5美元、输出30美元。成本差距少说几十倍。开发者张泽实测了一次本地文件阅读加全网检索的任务，消耗51万tokens，费用0.53元。有开发者把V4-Flash接入Proma跑了5个从简单到复杂的任务，不追加提示也不替它处理问题，拿到的第一版结果能用。同等工作量，GPT-5.6 Sol加Codex耗时1分47秒，V4-Flash约40秒。
申万宏源证券的研报提到，V4-Flash继续展现国产模型的超高性价比。国联民生证券认为，轻量模型追平旗舰性能，利好AI应用产业链。两家券商口径一致。这话放到半年前可能还不太有底气，现在看，小激活参数加后训练这条路径，确实把Agent端侧落地和AI应用变现的成本约束打破了不少。
同一天，OpenAI宣布GPT-5.6 Luna降价80%，Terra降价20%。被国产大模型的低价策略倒逼——这种判断在业内流传很广。但价格战打到现在，API调用成本似乎已不再是开发者选模型的决定性因素。
真正稀缺的是能交付的Agent能力。DeepSeek这次拿出来的东西，相当于用更便宜的价格交出了更强的干活能力。
低价不等于低能——这个判断正在被验证。
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.
