7月31日，DeepSeek悄然上线了DeepSeek-V4-Flash正式版API，开启公测。据北京日报客户端7月31日报道，这是继4月24日V4系列预览版发布以来，该系列模型迎来的首次重大升级。与常规认知中Pro强、Flash弱的分层逻辑不同，此次升级最引人关注的一点是，Flash正式版在Agent能力上实现了对自家Pro预览版的全面反超。官方公布的9项基准测试成绩显示，V4-Flash正式版在Terminal Bench 2.1终端操作测试上得分82.7，Cybergym网络安全攻防模拟得分76.7，Toolathlon Verified工具调用综合测试得分70.3，内部全栈开发测试DSBench-FullStack达到68.7，高难度编码测试DSBench-Hard拿下59.6，多项指标远超4月上线的V4-Pro预览版。
更值得关注的是升级路径。DeepSeek官方表示，V4-Flash-0731的模型结构和尺寸与此前发布的预览版完全一致，总参数2840亿、激活参数130亿，仅重新进行了后训练。同样的模型骨架，经过更精细的训练策略调优，就在基准测试中产生了质的飞跃。这种以训练方法驱动能力跃升的路线，展现了DeepSeek在模型优化上的深厚功力。
在AI行业，Flash通常是轻量级的代名词，与旗舰Pro版本存在明显的能力落差。但DeepSeek V4-Flash正式版打破了这一惯例。凭借混合专家模型的架构优势，V4-Flash虽然激活参数仅130亿，但在终端操作、网络安全攻防、工具调用等Agent核心任务上全面超越了激活参数490亿的V4-Pro预览版。这背后是训练数据的优化、后训练策略的改进以及Agent专项能力的强化，让轻量级模型在特定任务上实现了对旗舰模型的弯道超车。
对开发者而言，V4-Flash正式版的价值在于性价比。更低的激活参数意味着更低的推理成本，而Agent任务的执行往往需要数十轮工具调用，成本优势会被大幅放大。据测算，V4-Flash的API定价显著低于同类旗舰模型，这使其成为构建Agent应用的理想底座。DeepSeek还特别说明，目前公测仅限API接口端，App和网页端暂无法体验最新能力，V4-Pro正式版将尽快发布。这种渐进式的发布节奏，既保证了服务的稳定性，也为后续版本的登场留足了悬念。
此次更新最值得玩味的是DeepSeek Harness的首次亮相。据官方披露，本次公开基准测试中的CodeAgent任务，使用了DeepSeek Harness极简模式作为框架进行测试，这也是DeepSeek在Harness团队公开招聘后，首次在官方公告中披露相关能力。公开资料显示，DeepSeek的Agent Harness团队组建于今年3月，负责人崔添翼是90后，浙大计算机出身，拥有6枚ACM亚洲区域赛金牌，曾在顶级量化机构Jane Street任职九年，今年3月加入DeepSeek后于5月大力招兵买马。
Harness在Agent生态中的角色，类似于大模型的神经系统，负责编排模型与外部工具、环境之间的交互。一个成熟的Harness框架，能让模型稳定地完成多步骤任务，包括规划、调用工具、观察反馈、修正错误。DeepSeek押注Harness，表明其战略重心正从单纯的模型能力向Agent基础设施延伸，这与OpenAI、Anthropic等国际巨头的布局方向不谋而合。对于开发者来说，DeepSeek Harness的出现意味着国产大模型在Agent工程化能力上补齐了关键短板。
V4-Flash正式版的发布，正值国产大模型竞争进入深水区。此前，Kimi、MiniMax接连用新模型抢占头条，而DeepSeek选择用Agent能力作为突破口，走出了一条差异化路线。从V4系列预览版到正式版，DeepSeek始终坚持性价比优先的策略，用更低的成本提供接近旗舰的能力，这在Agent高频调用场景中极具竞争力。与此同时，V4-Flash原生支持Responses API格式并适配了Codex生态，开发者可以无缝迁移现有应用，进一步降低了迁移成本。
这场Agent之战的终局，可能不是单一模型的胜利，而是整套基础设施的竞争。谁能提供更稳定的Harness框架、更丰富的工具生态和更低廉的推理成本，谁就能吸引更多开发者构建Agent应用。DeepSeek V4-Flash正式版的上线，为这场竞赛增添了一个有力的变量，也让中国大模型在Agent赛道的角逐中，拥有了与国际巨头正面掰手腕的底气。
值得一提的是，V4-Flash正式版在训练策略上的投入回报比极高。官方披露仅通过重新后训练，就在9项基准测试中实现了对预览版的全面超越，这说明DeepSeek的数据筛选、训练调度与评测体系已经高度成熟。对于行业而言，这种以优化方法驱动能力跃升的路径，比堆砌参数更具可持续性，也为小算力团队提供了一条值得借鉴的技术路线。