DeepSeek V4-Flash 重训上线，智能体能力大涨
DeepSeek 于 7 月 31 日开放重新后训练的 V4-Flash 正式 API 公测，第三方测评智能指数升至 50 分，价格维持 0.14/0.28 美元不变。
只换后训练，不换架构
7月31日，DeepSeek 正式开放 DeepSeek-V4-Flash API 公测，并在更新日志与 X 上说明：这次上线的是对预览版重新做过后训练的版本，而非全新模型。官方强调模型架构与参数规模与预览版完全一致，接口现已原生支持 Responses API 格式，且此次升级只作用于 deepseek-v4-flash——V4-Pro API 以及 App、网页端所用模型均未改动。
DeepSeek 自报的提升集中在智能体能力：Terminal Bench 2.1 得分 82.7，Cybergym 76.7，Toolathlon（verified）70.3，DSBench-FullStack 68.7，NL2Repo 54.2，Agent Last Exam 25.2。
第三方评测印证了这次跃升
数小时后，Artificial Analysis 给出独立测评：智能指数从 4 月版 V4-Flash 的 40 提升到 50，一次跳了 10 分，比 DeepSeek 自家更大的 V4-Pro 还高 6 分，仅落后最高推理档的 GPT-5.6 Luna 1 分。在面向真实工作任务的 GDPval-AA v2 智能体评测上，Elo 从 1189 升至 1559。对幻觉更敏感的 AA-Omniscience 指数也从 -23 改善到 -16，评测方认为这完全来自幻觉率下降，而非知识面扩大。
关键在于价格没变：缓存未命中每百万输入 token 0.14 美元、命中 0.0028 美元，输出每百万 token 0.28 美元。这让新版本在“智能—单任务成本”曲线上几乎垂直地压在旧版之上。
为什么值得关注
以美国头部模型约五十分之一的价格拿到接近前沿的分数，会加剧本周由 GPT-5.6 降价掀起的挤压。对搭建智能体流水线的买方来说，取舍已经不是“智能还是便宜”，而是哪一个便宜模型能在长链工具调用中不跑偏——DeepSeek 现在证明了，仅靠一轮后训练、在同样的算力预算下就能补上大半差距。这也说明中国团队接下来比的不是榜单名次，而是每完成一个任务的成本。