DeepSeek把“便宜模型”推上Agent戰場

7月31日，DeepSeek上線V4-Flash正式版。與4月發布V4預覽版時不同，這次更新沒有同步進入App和網頁端，也沒有覆蓋參數規模更大的V4-Pro，而是率先向API開發者開放公測。

這個順序比跑分本身更值得關注。

DeepSeek稱，V4-Flash正式版沒有改變模型結構和尺寸，只重新進行了后訓練。但在Terminal Bench 2.1、NL2Repo、Cybergym等Agent測試中，其成績明顯提高；同時，Flash成為DeepSeek目前唯一支持Responses API、可以接入Codex的V4模型。V4-Pro正式版仍未發布。

表面上，這是輕量模型的一次能力升級；實際上，DeepSeek正在把過去建立在訓練和推理端的低成本優勢，向Agent執行層延伸。

聊天模型主要回答問題，Agent卻要反復讀取文件、拆解任務、調用工具并檢查結果，調用次數更多，對價格和速度也更敏感。一個能力足夠、成本更低的Flash，可能比繼續追求能力上限的Pro更接近規?；瘧?。

但Agent也改變了競爭規則。模型是否聰明，只決定它能不能想明白；工具能否調用、錯誤能否修正、任務能否繼續，決定它最終能不能把事情做完。V4-Flash讓DeepSeek進入了Agent戰場，也把它的系統和產品能力推到了臺前。

01 Flash先于Pro“轉正”

今年4月，DeepSeek將V4分為Pro和Flash兩個預覽版本。V4-Pro總參數1.6萬億、每個Token激活490億參數，承擔旗艦模型角色；V4-Flash總參數2840億、激活130億參數，官方給出的定位是更快、更高效和更經濟。

三個月后，率先轉為正式版的卻是Flash。

它沒有擴充模型規模。DeepSeek在更新日志中明確稱，V4-Flash-0731與預覽版結構和尺寸一致，“僅重新進行了后訓練”。簡單來說，預訓練決定模型學過多少知識，后訓練則教它面對具體任務時如何行動。對代碼修改、終端操作等結果容易驗證的任務，模型能否拆解步驟、讀取反饋并修正錯誤，會直接影響最終完成率。

官方數據顯示，V4-Flash在Terminal Bench 2.1中獲得82.7分，在NL2Repo、Cybergym和Toolathlon verified中分別獲得54.2分、76.7分和70.3分。DeepSeek據此稱其Agent能力遠超V4-Pro預覽版。

這個結論需要保留邊界。

V4-Pro此前使用的是Terminal Bench 2.0，而2.1版本調整了部分任務的外部依賴、測試標準和資源限制。同一套模型和Agent組合，在兩個版本上的成績也可能發生變化，不能將Flash的82.7分與Pro此前的67.9分簡單視為同場對決。Terminal Bench官方公布的對照結果顯示，多數組合在2.1版本中得分上升，部分組合的增幅超過10個百分點。

Terminal Bench評測的也不是一個脫離環境運行的“裸模型”，而是模型和Agent框架共同完成任務的能力。

DeepSeek在測試說明中注明，相關Code Agent任務使用了尚未公開的DeepSeek Harness極簡模式。Harness可以理解為模型與電腦環境之間的執行框架：它為模型提供工具，保存任務狀態，傳回命令運行結果，并在執行失敗后組織下一步動作。模型相同，換一套Harness，最終完成任務的表現也可能不同。

因此，V4-Flash證明的不是“小模型已經超過大模型”，而是對特定Agent任務而言，后訓練數據、反饋機制和執行框架，仍有較大的優化空間。

DeepSeek第一次把Harness以正式名稱寫進更新日志，也說明它開始把競爭范圍從模型本身向外推進。過去，DeepSeek主要證明的是如何用更少的計算資源訓練和運行模型；進入Agent階段，它還要解決模型如何操作工具、處理反饋并完成長鏈條任務。

02 Agent越會干活，低價越重要

DeepSeek優先強化Flash，與Agent的成本結構有關。

一次普通問答通常只有一輪輸入和輸出。一個代碼Agent修改項目，可能要讀取多個文件、運行命令、查看報錯、重新修改，再調用測試工具驗證結果。任務越長，模型調用次數和上下文消耗越多。

開發者真正計算的，不是一次回答多少錢，而是完成整個任務需要花多少錢，以及失敗后還需要多少人工返工。

DeepSeek官網顯示，V4-Flash每百萬Token緩存未命中輸入價格為0.14美元，輸出價格為0.28美元；V4-Pro分別為0.435美元和0.87美元。Flash的輸入和輸出價格約為Pro的三分之一，并發上限為2500，是Pro的5倍。

對于需要批量運行、反復調用的Agent應用，這種價格差異會隨著任務長度被持續放大。

這也解釋了為什么DeepSeek率先讓Flash支持Responses API。

DeepSeek官方文檔顯示，目前Responses API只支持V4-Flash，V4-Pro預計在8月初接入。通過修改配置，開發者可以在Codex CLI、ChatGPT桌面應用和VS Code的Codex擴展中，將DeepSeek設置為模型提供方。原有的操作界面和工作方式不變，后臺調用的模型則可以換成V4-Flash。

這還不能說明DeepSeek已經建立了自己的Agent生態。

Codex的客戶端、執行環境和產品入口仍由OpenAI提供。DeepSeek做的是降低開發者更換底層模型的技術門檻：先進入開發者已經使用的工具，再用價格和模型能力爭奪調用量。

這延續了DeepSeek過去的打法。它不必先從零搭建一套完整的前端產品，便可以借助兼容接口進入現有工作流。對于成本敏感的開發者，保留Codex的操作方式、只替換后臺模型，比重新遷移到另一套Agent工具更容易。

但Agent也比普通API更考驗穩定性。

價格低可以吸引開發者進行第一次嘗試，卻不能保證他們長期留下。任務完成率、響應速度、錯誤恢復以及不同工具之間的兼容性，最終都會被折算成成本。如果一個低價模型需要更多次重試，或者需要人工頻繁介入，省下的Token費用很快會被返工成本抵消。

低價因此只是DeepSeek進入Agent市場的門票，不是最終勝負。

03 低價之外，DeepSeek還要補上系統能力

過去，DeepSeek最鮮明的能力是提高模型訓練和推理效率。

從V2開始，DeepSeek便通過稀疏激活和緩存壓縮降低計算成本。其技術報告顯示，V2相較此前的DeepSeek 67B節省了42.5%的訓練成本，推理時的鍵值緩存減少93.3%，最高生成吞吐量提高至5.76倍?！坝酶儋Y源做出足夠強的模型”，由此逐漸成為DeepSeek最重要的市場標簽。

但Agent不是模型能力的簡單延長。

一個真正進入企業生產環境的Agent，還要解決終端和瀏覽器調用、長任務狀態管理、權限控制、沙箱隔離、日志審計和結果驗證。模型負責判斷下一步做什么，系統負責保證這一步能夠安全、穩定地執行。

任何一個環節失效，低價模型節省的費用，都可能被人工檢查和返工重新吃掉。

DeepSeek已經開始補這一層。其招聘頁面目前單列Agent Harness團隊、Agent Infra研發工程師、Code Agent數據工程師和通用Agent數據產品經理，同時招聘持續學習和自進化方向的研究人員。這些崗位指向的不是一次模型版本更新，而是執行系統、數據回流和產品能力的長期建設。

這種擴張也在改變DeepSeek的成本結構。

據媒體報道：DeepSeek首輪外部融資對應約3508.8億元的交易隱含估值。由于相關文件沒有說明交易涉及新股還是老股，也沒有披露不同股東對應的權利安排，這一數字不是DeepSeek正式確認的最終輪次估值。

DeepSeek此前長期依靠創始人梁文鋒旗下幻方量化提供資金。媒體報道稱，公司轉向外部資本，與算力、數據中心和工程人才投入上升有關。DeepSeek一度籌備第二輪融資及潛在IPO，7月下旬又被曝暫時擱置新一輪融資，相關計劃均未得到公司正式確認。

融資變化不是V4-Flash升級的直接原因，卻說明從模型研究走向持續在線的Agent服務，即使強調效率，也需要更重的基礎設施和組織投入。

DeepSeek曾用低成本模型改變行業對大模型算力門檻的判斷?，F在，它要證明這套效率方法能否復制到一套更復雜的系統中。

V4-Flash提供了一條現實路徑：讓輕量模型承擔更多重復、標準化的步驟，把價格更高的旗艦模型留給少數復雜任務；再通過兼容現有工具，降低開發者嘗試和遷移的成本。

但這條路徑能否成立，不能只看官方跑分。

尚未公開的Harness是否穩定，低價是否建立在可持續的服務能力上，開發者調用能否轉化為收入，仍有待實際使用驗證。Agent的競爭也不會只發生在模型價格上，而會越來越取決于誰能以更低的總成本，把任務穩定地做完。

DeepSeek過去最強的能力，是用更少的資源做出足夠強的模型。進入Agent時代，它需要證明的是，自己能否用同樣的效率，做出一個足夠好用的系統。