作者：智讯智库分析师 唐江

刚刚，DeepSeek宣布，DeepSeek-V4-Flash正式版开放公测[1]。

与V4系列预览版相比，这次更新的特殊之处在于——它打破了“Pro强、Flash弱”的传统认知，V4-Flash的Agent能力远超此前发布的V4-Pro预览版。

后训练释放潜能

Harness框架同步亮相

先看官方数据，V4-Flash正式版的9项Agent基准测试全部大幅提升，其中最震撼的是DeepSWE（软件工程）从预览版的7.3分直接飙到54.4分，Terminal Bench 2.1（终端操作）从61.8分跃至82.7分，Toolathlon verified（工具调用）从49.7分飙到70.3分，CyberGym（安全 Agent）从38.7分翻倍至76.7分，DSBench-Hard（Coding Agent 难题）从25.8分翻倍到59.6分[1]。

即便与V4-Pro预览版和GLM-5.2相比，V4-Flash正式版也毫不逊色。

这一结果让许多人瞠目结舌，因为Deepseek官方表示，V4-Flash正式版与V4-Flash预览版的模型结构、参数规模完全一致，唯一的变量是“重新进行了后训练”[1]。

要知道，V4-Flash预览版的总参数2840亿、激活130亿，而V4-Pro预览版的总参数达1.6万亿、激活490亿，两者规模相差一个数量级[6]。

V4-Flash正式版能在参数规模悬殊的情况下，通过后训练将Agent能力拉升到接近Pro预览版的水平，释放了一个信号：对于特定任务而言，模型规模并非决定性天花板，训练方法与数据质量的优化空间远比想象中更大。

另一个重要细节是，本次Code Agent相关测试采用了DeepSeek Harness极简模式作为评估框架（max档位，topp=0.95，temperature=1.0）[1]。

这或许说明，DeepSeek可能在Agent框架层面做了针对性优化。

与此同时，这是DeepSeek自研Harness首次以正式命名出现在官方文档中——据公开报道，Harness团队组建于今年3月，由浙大计算机出身、拥有6枚ACM亚洲区域赛金牌、曾在Jane Street任职九年的崔添翼挂帅[5]。

Harness的推出，或许意味着DeepSeek正将Agent从“模型能力”推向“可交付的产品”。

兼容Responses API并适配Codex

Agent战争逻辑生变

有意思的是，就在DeepSeek-V4-Flash正式版上线前夕，OpenAI宣布对GPT-5.6系列中的Luna和Terra实施降价，幅度分别达到80%和20%，官方说法为“在成本效率、能力以及速度方面实现突破”[4]。

时间点上的巧合，很难不让人联想到价格战。

而DeepSeek的更新内容，在生态兼容上也有些贴脸OpenAI的意味——

正式版V4-Flash原生支持OpenAI力推的Responses API格式[3]，并针对性适配了Codex[2]。

Responses API（响应式API）相比传统Chat Completions（对话补全）更适合Agent场景——支持更灵活的工具调用、更复杂的交互控制。对Codex的适配则直接瞄准代码生成与软件开发场景。

这意味着开发者可以将基于OpenAI生态构建的Agent应用，以较低成本迁移到DeepSeek上。

不过，目前Codex接入仅限V4-Flash，Pro版预计后续跟进，同时，本次升级仅限API公测，App与Web端暂无法体验最新能力。DeepSeek表示，DeepSeek-V4-Pro正式版将“尽快发布”。

总的来说，当DeepSeek-V4-Flash的能力远超DeepSeek-V4-Pro预览版，当GPT-5.6 突然降价，这背后或许意味着，API调用成本或将不再是开发者的核心考量，真正稀缺的，是能真正交付任务的Agent能力，Agent战争的底层逻辑正在悄然改变。

特别声明：本文为合作媒体授权DoNews专栏转载，文章版权归原作者及原出处所有。文章系作者个人观点，不代表DoNews专栏的立场，转载请联系原作者及原出处获取授权。(有任何疑问都请联系idonews@donews.com)