DeepSeek-V4-Flash 官方正式版 API 宣布公测上线。

在保持 284B 总参数、13B 激活的 MoE 架构“一个字没动”的前提下，仅凭后训练与 Agent 框架优化，便将软件工程基准 DeepSWE 成绩狂飙 7.5 倍至 54.4 分，并打出输入 $0.14 / 输出 $0.28 每百万 token 的屠夫价格。

大模型行业“拼体量、烧钱刷榜”的盲目扩增路线已被彻底颠覆，通过极致后训练在垂直 Agent 领域实现“轻量级 MoE 越级斩杀顶尖闭源旗舰”，才是真正拉开产业落地差距的分水岭。

不得不说，这次 DeepSeek 玩的“后训练魔法”，狠到连自家产品线都避之不及。

从官方公布的评测数据来看，这完全是一场体面人难以直视的“内卷下克上”：

上一代 V4-Pro-Preview 在 Terminal Bench 2.1 上拿了 72.1 分，而这次的 V4-Flash 正式版直接砸出了 82.7 分；在 Cybergym 网络安全基准测试中，更是从 52.7 分一跃升至 76.7 分。

甚至在 DeepSWE 软件工程任务上（54.4 分）已经开始对 Anthropic 的 Opus-4.8（58.0 分）贴脸输出。

自家旗舰 Pro 预热版还没坐热，就被闪电版的弟中弟按在地上摩擦，这种“连自己人都不放过”的进化速度，确实让人倒吸一口凉气。

但真正让硅谷各大模型厂商睡不着觉的，并不是这几分提成，而是横向对比下的价格悬殊。

在 Terminal-Bench 2.1 的榜单上，GPT-5.6 Sol 拿了 85.8 分，要价是输入 $5 / 输出 $30；Fable 5 拿到 80.5 分，价格更是高达 $10 / $50。再看看 DeepSeek V4-Flash：82.7 分，价格 $0.14 / $0.28。

这意味着，为了买 GPT-5.6 比 Flash 高出区区 3.1 分的性能，你得付给它近 100 倍的输出溢价；而比 Flash 表现还低 2.2 分的 Fable 5，单价居然是 Flash 的近 180 倍。这已经不是“性价比”的问题了，这完全是逻辑层面的降维打击。

对于每天跑成千上万次 Agent 自动化循环、SWE 工具调用的开发者来说，这笔账算起来极其残暴：

过去用昂贵顶尖模型跑一次调试的成本，现在用 V4-Flash 可以跑上百遍。

况且，这次正式版原生支持 Responses API，完美适配 Codex，开发者甚至连代码都不用重写，改个接口地址就能直接无缝无感地“降本增效”。

这背后的技术洞察非常清晰：底座大模型的预训练规模固然决定了“智商下限”，但对于具体的 Agent 代码执行、终端操作和工具调用，决定“执行力上限”的永远是后训练（Post-training）与环境适配框架（DeepSeek Harness）。

以前大家总以为要养出一名顶尖的“AI 程序员”，必须砸几十亿美金去训练千亿参数的巨无霸；而 DeepSeek 用实践证明了，只要后训练的强化学习和工具链做到了极致，一个 13B 激活的轻量 MoE 也能在垂直干活场景里拥有不输顶尖旗舰的实操手感。

未来模型竞争的禁区早已不是“谁的模型更大”，而是“谁能在卡价与算力高墙之下，把每万 Token 的干活产出比压到极致”。当闭源巨头们还在试图靠高昂订阅费维系算力成本时，开源与轻量化 Agent 的号角已经吹响。

代码库里那些卡在预算线上的 Agent 项目，今天终于可以放开手脚干一场了。