7月31日，DeepSeek通过API文档更新日志，正式宣布DeepSeek-V4-Flash API进入公测阶段。距离DeepSeek V4预览版上线过去了整整三个月。与以往“Pro强、Flash弱”的分层逻辑不同，这次更新释放了一个值得关注的信号——Flash正式版在多项Agent基准测试中的表现，已经逼近甚至超越了三个月前V4-Pro预览版的水平。

130亿激活参数，9项基准测试全面碾压自家Pro预览版

根据官方更新日志，DeepSeek-V4-Flash正式版采用MoE架构，总参数规模达到2840亿，激活参数仅130亿。模型结构与预览版保持一致，仅重新进行了后训练。就是这“仅重新进行了后训练”的五个字，让Flash在Agent能力上完成了一次质的飞跃。

九项Agent基准测试成绩全部公开披露：

Terminal Bench 2.1：82.7分——终端操作能力逼近行业顶尖

NL2Repo：54.2分——代码仓库生成能力大幅跃升

Cybergym：76.7分——网络安全任务表现出色

DeepSWE：54.4分——软件工程能力从预览版的7.3分暴涨超6倍

Toolathlon Verified：70.3分——工具调用与多步骤任务执行能力

Agent Last Exam：25.2分

Automation Bench Public：25.1分

DSBench-FullStack：68.7分（内部全栈开发测试集）

DSBench-Hard：59.6分（内部Coding Agent难题测试集）

作为对比，V4-Pro预览版在Terminal Bench 2.0上的得分仅为67.9分。一个激活参数仅130亿的轻量版，在Agent能力上跑出这样的分数——后训练阶段的优化空间，可能比单纯堆参数更具杠杆效应。

0.2元/百万Token，用最低成本跑最强的Agent任务

DeepSeek-V4-Flash在定价上保持了极致性价比。输入命中缓存仅需0.2元/百万Token，未命中输入为1元/百万Token，输出为2元/百万Token。高峰时段价格翻倍，缓存命中输入涨至0.04元，未命中输入涨至2元，输出涨至4元。

这意味着什么？一个需要反复调用工具、执行多轮任务的Agent场景，Flash的低价优势会在反复调用中形成显著的累积竞争力。低价不等于低能——Flash用更低的价格，交出了比自家Pro预览版更强的Agent能力。

自研Harness首次亮相，原生适配Codex与Responses API

此次升级还有两个技术层面的看点。

第一，DeepSeek自研的Agent框架DeepSeek Harness首次以正式命名亮相。公开基准测试中的Code Agent任务，正是使用DeepSeek Harness极简模式作为测试框架完成的。这暗示DeepSeek在Agent框架层面也做了针对性优化，而不仅仅是模型本身的提升。

第二，V4-Flash正式版原生支持OpenAI力推的Responses API格式，并针对性适配了Codex。开发者无需修改Base URL即可切换模型，OpenAI生态的Agent应用可以低成本迁移至DeepSeek平台。

Agent，才是2026年大模型竞争的新标尺

2023年的大模型竞争是“拼通用能力”，2024年是“拼长上下文”，2026年的关键词，毫无疑问是Agent。Agent能力——即模型自主规划、调用工具、执行复杂任务的能力——正在成为衡量大模型实力的新标尺。

DeepSeek创始人梁文锋曾把AGI的实现路径比作爬楼梯：语言模型是第一级，去年解决的是CoT（思维链），今年的台阶是Agent，而Agent之后必须解决的问题是持续学习。DeepSeek的Harness团队组建于今年3月，由90后、手握6枚ACM亚洲区域赛金牌的崔添翼挂帅。

从4月24日预览版上线，到7月31日Flash正式版公测，再到即将到来的V4-Pro正式版，DeepSeek用三个月时间完成了从“开源模型”到“Agent交付”的关键跨越。价格战拼的是入场券，Agent能力才是决赛圈。

DeepSeek-V4-Flash正式版API即日起向公众开放公测，调用方式不变，仅需将model参数设为deepseek-v4-flash即可使用最新版本。App和网页端暂无法体验，但API已经准备好了。