DeepSeek V4 终于在 7 月的最后一天迎来了新进展。
7 月 31 日，DeepSeek 官方更新日志显示，DeepSeek-V4-Flash 正式版 API 上线公测。官方重点强调，这次更新并不是简单的版本号变化，而是针对 Agent 能力进行了大幅后训练优化。在多项代码、工具调用和自动化任务测试中，正式版 V4-Flash 的成绩明显超过了此前的 DeepSeek-V4-Pro-Preview。
不过需要注意的是，这次发布的范围比较有限：目前只有 V4-Flash 的 API 接口完成升级，DeepSeek-V4-Pro 正式版还没有发布，DeepSeek 的 APP 和网页版模型也暂时没有变化。
换句话说，普通用户现在打开 DeepSeek，可能还感受不到明显变化。但对于开发者、AI Agent 和编程工具用户来说，这次更新值得重点关注。
一、V4-Flash 正式版，核心变化是什么？
按照官方说明，DeepSeek-V4-Flash-0731 与之前的 DeepSeek-V4-Flash-preview 在模型结构、参数规模等方面保持一致，主要变化集中在后训练阶段。
这意味着，DeepSeek 并没有在这次更新中重新设计模型架构，也没有公布新的参数规模，而是通过进一步训练和优化，让模型在实际执行任务时表现得更加稳定。
这种升级思路，和传统意义上的“大版本升级”不太一样。
它更像是一次针对真实使用场景的能力强化，重点不是让模型在聊天中表现得更会“说”，而是让它更擅长完成一连串复杂任务，例如：
- 读取和理解代码仓库；
- 在终端中执行命令；
- 根据错误信息持续调试；
- 调用外部工具；
- 修改多个文件；
- 运行测试并验证结果；
- 根据反馈继续迭代；
- 最终交付一个可以工作的项目。
这也是 Agent 模型与普通聊天模型之间最大的区别。
普通模型更看重回答质量，而 Agent 模型还要面对环境变化、工具调用失败、上下文管理、任务拆解以及多轮执行等问题。真正决定 Agent 能力的，往往不是某一道题能不能答对，而是能不能把一个复杂任务从头做到尾。
二、官方跑分表现，为什么值得关注？
这次官方公布了多项 Agent 能力测试成绩，并明确表示，正式版 DeepSeek-V4-Flash 的基准测试成绩远超 DeepSeek-V4-Pro-Preview。
其中，Terminal Bench 2.1 的成绩为 82.7，已经接近同一张对比表中的 Opus-4.8；Cybergym 达到 76.7，Toolathlon Verified 达到 70.3，DeepSWE 也达到 54.4。
更值得注意的是，和预览版相比，部分项目的提升幅度非常明显。
例如：
- Terminal Bench 2.1：从 61.8 提升到 82.7；
- NL2Repo：从 39.4 提升到 54.2；
- Cybergym：从 38.7 提升到 76.7；
- DeepSWE：从 7.3 提升到 54.4；
- Toolathlon Verified：从 49.7 提升到 70.3；
- DSBench-Hard：从 25.8 提升到 59.6。
如果这些测试是在相同或接近的评测条件下完成的，那么这说明 V4-Flash 的提升主要体现在复杂任务执行能力上，而不仅仅是文字生成质量。
当然，模型跑分不能完全等同于日常体验。不同测试集的任务类型、评测框架、提示词和工具环境都会影响最终结果。因此，这些数据更适合作为能力趋势参考，而不是绝对排名。
官方也对测试条件进行了说明：在公开基准测试中的 Code Agent 任务里，正式版 V4-Flash 使用的是 DeepSeek Harness 极简模式，并采用 max 档位，top_p=0.95、temperature=1.0。其中，DSBench-FullStack 和 DSBench-Hard 属于 DeepSeek 内部测试集，分别用于评估全栈开发和 Coding Agent 难题。
这意味着，真实用户最终能否获得同样的效果，还要看后续工具链、Harness 框架以及具体应用场景。
三、原生支持 Responses API，针对 Codex 做了适配
这次更新中，另一个非常重要的变化，是正式版 V4-Flash 原生支持 Responses API 格式，并且针对 Codex 进行了适配。
Responses API 是目前越来越多 Agent 框架采用的一种接口形式。相比传统的对话接口，它更适合处理复杂的多轮任务、工具调用、状态管理以及结构化输出。
对于开发者来说，这意味着接入 DeepSeek V4-Flash 不再只是“把它当作一个聊天模型来调用”，而是可以更方便地将它放进编程助手、自动化工作流和多工具 Agent 中。
特别是 Codex 这类以代码执行、文件修改和终端操作为核心的工具，通常需要模型具备更稳定的工具调用能力和更清晰的任务规划能力。DeepSeek 官方这次明确提到“针对性适配 Codex”，说明它正在主动进入更复杂的编程 Agent 生态。
从现有接口信息来看，V4-Flash 支持 OpenAI 兼容格式，也支持工具调用、JSON 输出、上下文续写等能力，整体上更适合被集成到各种开发工具中。
这部分变化，普通用户未必能直接感知，但对开发者而言，可能比聊天能力提升更加重要。
四、价格仍然是 V4-Flash 的最大优势
除了能力之外，DeepSeek V4-Flash 最容易被关注的，依然是价格。
按照目前公开的价格信息，V4-Flash 的缓存命中输入价格约为每百万 Tokens 0.02 元，缓存未命中输入价格为每百万 Tokens 1 元，输出价格为每百万 Tokens 2 元。
相比之下，V4-Pro 的对应价格更高，尤其是输出价格约为每百万 Tokens 6 元。
这意味着，V4-Flash 可能会成为大量开发者构建 Agent 的低成本基础模型。
Agent 应用通常比普通问答消耗更多 Token。一个复杂任务可能需要经历多轮思考、工具调用、日志读取、代码修改和测试反馈。如果每次执行都依赖高价模型，整体成本很容易快速上升。
因此，对于以下场景，V4-Flash 的性价比尤其值得关注：
- 自动编程和代码修复；
- 企业内部知识库 Agent；
- 自动化办公流程；
- 批量数据处理；
- 多步骤工具调用；
- 代码仓库分析；
- 低成本客服和运营自动化；
- 个人开发者的 AI 编程助手。
即使 GPT-5.6 Luna 等模型进行了大幅降价，DeepSeek V4-Flash 依然有机会凭借更低的单价，继续吸引大量对成本敏感的开发者。
五、这次发布，普通用户为什么可能“没感觉”？
虽然官方公布的成绩很亮眼，但这次更新并不会立刻改变所有用户的使用体验。
原因很简单：本次升级目前只覆盖 DeepSeek-V4-Flash API。
官方已经明确说明，DeepSeek-V4-Pro API 以及 APP、WEB 端模型均未做更改。
因此，如果你平时主要通过 DeepSeek 的网页端或手机 App 使用服务，那么短期内可能不会看到明显变化。真正能第一时间体验到新能力的，是那些通过 API 调用 V4-Flash 的开发者，或者使用了相关编程工具和 Agent 框架的用户。
这也说明，DeepSeek 这次的发布重点并不是面向普通用户的产品更新，而是面向开发者和应用生态的一次基础设施升级。
至于大家最期待的 V4-Pro 正式版，官方目前给出的说法是“将会尽快发布”。
六、Pro 正式版，还会带来什么？
目前我们还无法确定 V4-Pro 正式版会有哪些具体变化。
但从 V4-Flash 这次的更新方式来看，DeepSeek 可能会继续强化模型在复杂推理、代码开发、长上下文和 Agent 执行方面的能力。
V4-Flash 负责更低成本、更高效率的任务，V4-Pro 则可能承担更复杂、更高难度的推理和专业工作。两者之间如果形成清晰的能力和价格分层，DeepSeek 的模型产品线会更加完整。
值得注意的是，DeepSeek V4 的发布节奏确实一直比较克制。没有大规模预热，也没有连续多天发布密集宣传，而是在 7 月最后一天低调更新 API 文档。
从时间节点来看，DeepSeek 至少暂时保住了“7 月发布”的承诺。只是这次先到的是 Flash 正式版，Pro 正式版还需要继续等待。
结语
总体来看，DeepSeek-V4-Flash-0731 的亮点可以概括为三点：
第一，模型架构和规模没有变化，但通过后训练优化，Agent 能力出现明显提升。
第二，正式支持 Responses API，并针对 Codex 等编程 Agent 工具进行了适配。
第三，在保持极低价格的同时，代码执行、工具调用和自动化任务能力进一步增强。
不过，这并不是一次面向所有用户的全面升级。APP 和网页版暂时没有变化，V4-Pro 正式版也尚未发布。
所以，对于普通用户来说，这更像是一条“值得关注的技术动态”；对于开发者来说，则可能意味着一个更便宜、更适合构建 Agent 的模型已经正式进入可用阶段。
