DeepSeek-V4-Flash 正式版已发布

该模型以 284B 总参数（每 token 激活 13B）的体量，在九项 Agent 基准测试中全部超过此前最强的 DeepSeek-V4-Pro 预览版（1.6T 总参数，激活 49B）

其中最显著的 DeepSWE 测试，得分从 7.3 飙升至 54.4，增长六倍多，而 API 价格保持不变：输入 1 元/百万 token，输出 2 元/百万 token。

九项 Agent 测试全胜

DeepSeek-V4-Flash 正式版在以下九项基准测试中均取得最高分：

• Terminal Bench 2.1：82.7 分（预览版 61.8，Pro 预览版 72.1）
• NL2Repo：54.2 分
• CyberGym：76.7 分（预览版 38.7，Pro 预览版 52.7）
• DeepSWE：54.4 分（预览版 7.3，Pro 预览版 12.8）
• Toolathlon Verified：70.3 分
• Agents' Last Exam：25.2 分
• AutomationBench：25.1 分
• DSBench-FullStack：68.7 分
• DSBench-Hard：59.6 分

需要说明的是，这九项基准均为 Agent 和编码类测试，传统知识问答类测试上 Pro 的参数优势依然存在。

DeepSWE：从 7.3 到 54.4

DeepSWE 包含 113 个原创软件工程任务，涵盖五种编程语言。AI 需要在隔离环境中持续修改代码、测试、定位并修复 bug，全程不能中断，考察模型持续编程能力。

预览版仅得 7.3 分，正式版直接飙到 54.4，超过 GLM-5.2（46.2），与 Claude Opus 4.8（58.0）仅差 3.6 分。

CyberGym 测试同样表现突出，从 38.7 涨至 76.7，接近翻倍。该测试要求 AI 在真实开源项目中找出安全漏洞并写出复现攻击代码。

架构未变，提升来自后训练

V4-Flash 正式版的模型架构、预训练数据、参数量与前代完全一致，所有提升均来自后训练。

DeepSeek 采用先训练多个领域专家模型（监督微调 + GRPO 强化学习），再通过蒸馏整合到统一模型的后训练框架。

推测本次优化了工具调用格式、长任务规划、代码修改后的测试验证以及执行失败后的自动恢复能力。

对标 Claude Opus 4.8

在多项指标上，DeepSeek-V4-Flash 与 Claude Opus 4.8 的差距在 3-6 分，Agents' Last Exam 仅差 0.5 分。

所有有数据的项目均高于 GLM-5.2。

有开发者本地部署后测试反馈"各项测试只落后 Claude Opus 4.8 大约 3 分"。

定价优势

• 输入（非缓存）：1 元/百万 token
• 输入（缓存命中）：0.02 元/百万 token（正价的 2%）
• 输出：2 元/百万 token
• 并发上限：2500（Pro 为 500）

实测 DeepSeek 模型缓存命中率在 90% 以上，实际输入成本极低。

跑一次 Agent 任务成本可能仅几分钱到几毛钱。

横向对比，Claude Opus 4.8 输出价格约 168 元/百万 token，相差约 80 倍。

原生对接 Codex 和 Responses API

DeepSeek-V4-Flash 正式版原生支持 OpenAI Responses API 格式，已针对 Codex 做专门适配。

可在 Codex CLI、桌面端、VS Code 扩展中直接使用，base_url 指向 api.deepseek.com，模型名填 deepseek-v4-flash。

Responses API 支持流式输出、工具调用、推理档位切换（low/high/max）和结构化输出。

但目前仅 Flash 支持，V4-Pro 预计 8 月初适配。图片输入、文件上传、MCP 工具、Computer Use 暂不支持。

当前为无状态接口，需自行携带上下文。

DeepSeek Harness 布局

DeepSeek 正在打造自己的 Harness（执行框架），负责工具调用、终端运行、上下文管理等模型外工作。

团队负责人崔天一此前在 Jane Street 从事量化交易九年，今年 3 月加入 DeepSeek 组建 Harness 团队，明确对标 Claude Code。

测试前提与注意事项

• 所有 Agent 测试均在 max 推理档位下运行（top_p 0.95、temperature 1.0），实际使用中可根据需要调整。
• DSBench-FullStack 和 DSBench-Hard 为 DeepSeek 内部测试集，任务和评分标准未公开。
• Harness 极简模式尚未发布，外部研究者暂时无法完整复现测试条件。
• 本次仅升级 Flash 的 API 接口，App 和网页端模型未变化，V4-Pro 正式版尚未发布。

适用场景

如果场景以代码和工具为主（写代码、修 bug、运行终端、调用 API、搭建 Agent），Flash 正式版即可满足。

模型支持 100 万 token 上下文和 38.4 万 token 最大输出，兼容 OpenAI ChatCompletions 和 Anthropic Messages 两种 API 格式。

如需上传图片、文件，或依赖 MCP 和 Computer Use，目前暂不支持。

开源信息

DeepSeek-V4-Flash 已在 Hugging Face 开源，MIT 协议，可商用。

已有开发者在两台 DGX Sparks 上跑出 77 token/秒的速度，百万 token 上下文下同时运行 Gemma-4-12B 处理视觉任务。284B 完整 MoE 权重需常驻显存，硬件门槛较高。