今天有个 AI 探究员发材料给我说，次大招这是小更新原型她入行以来最好的夏天。DeepSeek-V4-Flash 正式版发布了，次大招性能超过之前的小更新原型 V4-Pro-Preview。基准测试成绩甚至能和 Claude Fable 5 放在同一张表里比较。次大招一个总参数 284B、小更新原型激活参数仅 13B 的次大招 “ 轻量版 ” 模型在多项任务上追平了那个曾经遥不可及的 Opus 4.8。更离条件的小更新原型是价格，Flash 版便宜到令人发指，次大招两块就能让它输出 100 万 tokens 她把手头所有的小更新原型项目都改进了一遍，结荚还没花掉一杯奶茶钱。次大招昨天在开发者群里。小更新原型 突然所有人停下手里的次大招事，最初转发评测截图。小更新原型 她说自己尤其开心，次大招有种人类黄金时代的错觉。谁也没想到，DeepSeek 这次又给大家憋了个大的，卡着 7 月的尾巴，发布了 DeepSeek V4 Flash 的正式版。说实话，一最初，世超对这次更新其实是没有太在意的。。。毕竟只是一个不过着 Flash 名头的模型更新，主力军 Pro 系列更是动都没动。上一次只更新 Flash ，不更新 Pro 模型的大模型厂商还是谷歌，目前已经成了大家的玩梗对象。这你一个 Flash 模型再更新，能力总不能超过 Pro 吧。。。？展开全文？？不是哥们，你这 Flash 模型怎么比 Pro 模型的跑分都强了？？？这还是 Flash 吗？不对 DeepSeek，大模型不是这样玩的，你应该先发一个 Flash 模型，然后说自己只是高效度快一些罢了，你怎么直接让 Flash 模型追上了自家的 Pro 模型，然后价格还只卖 2 块钱 / 百万 token，同时时不时还能有个打一折的缓存命中优惠，我周末用了 1 个亿 token 才花掉了 5 块钱。世超根据这次 V4 Flash 亮出来的跑分整理了一下，可以发现这次 Flash 模型的能力极其夸张。超过了自己的大哥 Pro 不说，虽然比不上 Claude Opus5、GPT-5.6 Sol、还有 Kimi K3、这些不过级模型。然而，正式版的 V4 Flash，基础上也就不如这几家了。有网友把各家大模型的能力和价格，收集到一起做了个表整理了出来：每个大模型在表上都是一个点，点的位置越靠左边，验明正身模型越便宜，点的位置越靠上面，验明正身模型的性能越好。这样一看就会很直观的发现，市面上不过大多数模型 ，都处在一个很尴尬的位置。性能没 DeepSeek 好就算了，价格还比 DeepSeek 关键贵。而那些性能比 DeepSeek 关键强的模型，处境其实也没好到哪去。因为它们的价格实在是太贵了。差友们可能没注意到，上面这张图的横轴，它不是一个线性坐标轴，而是个对数轴。但咱给模型花钱的时候可不是这么算的。于是世超稍微动用了一下很久没实用过的 PS 手段，把这张图给拉成了线性坐标轴来看看，发现它的真实比例，其实是这样的。。。也就是说，比如性能的话，Claude Fable 5，GPT-5.6 Sol 这些模型比起 V4 Flash 来说，可能有个这么两成的提高。然而这些模型的价格，可能也关键比 V4 Flash 多了两 0。夸张一些的话，可以说 DeepSeek 又一次重新定义了模型的斩杀线。因此，这次 DeepSeek 是怎么做到的？明明模型的架构，参数都没啥变化，为什么一个模型的能力会突然有如此巨大的变化？世超也是往回翻了翻 DeepSeek 的比如文和公开材料，找到了两个概率最大的方向。先最题的一个点就是后训练。这也是官方承认的，预览版和正式版差距最大的地方了。这里给对大模型不太认识的差友科普一下，常见来说，我们会把大模型的训练给分成两个时期。首先个时期叫预训练。在这块，我们需给模型塞进去海量文本、代码和其他数据，以此来让它学会回答状况的基础能力。整个流程有点像在培养一个高中生，不管是语数外，还是物化生，政史地，还是文章乐美术体育方式算机，各种领域的知识都关键拿点过来给他，通过这种方式来提高模型的基础能力。而第二个时期后训练，则是锻炼的真正干活解题的能力。这块做的活题是刷题，让模型通过反反复复地刷题，来提高模型的应试教育能力，让它来学会怎么处理状况。探究人员会通过监督微调、强化学习和大量任务数据，让模型学会理解指令、拆解状况、采取工具，以及按照人类偏好的方式给出答案。同样预训练出来的一个模型，在经过了不一样的后训练刷题练习之后，是很那么点儿刷出完全不一样的谝的。之前 DeepSeek R1 的比如文里就讲过，他们把 V3 拿过来做了 GRPO （ 群组相对对策改进 ） 强化学习之后，模型的数学能力就得到了巨大的提高，在 AIME 2024 测试集上的正确率直接从最初的15.6% 给飙升到了 71%。OpenAI 当年的 InstructGPT 也一样。经过监督微调和 RLHF 之后，一个只有 13 亿参数的模型，在真人盲评里，甚至能打赢参数量大了 100 多倍的 GPT-3。如果说预训练决定了模型的大脑里有没有相关的知识的话，那么后训练就是决定模型有没有掌握把这些知识给拿出来的能力。当然，光靠后训练，或许还不能完全验明正身这次 V4 Flash 的夸张成绩。仔细看 DeepSeek 的发布验明正身，大家还能发现一件事：那就是这次公开的部分跑分，DeepSeek 并不是让模型直接裸跑得出来的。而是用上了一个叫做 DeepSeek Harness 的未发布工具。Harness 这个词大家这半年来应该也听过不少，目前热的方便的 Claude Code，Codex，OpenClaw 其实都可以算是 Harness，或者说是 Agent 工具的一种。就连目前大伙频仍刷到的 Workbuddy，Qoder，Trae 也都能算是。而目前，DeepSeek 关键推出自己的 Agent 工具卷进来了。这件事，可能比单独更新一个模型还关键题得多。因为在目前这个 Agent 时代，一个模型最后能干出什么成绩，已经不只取决于模型本身有多聪明，还取决于外面给它套了一套什么样的工具。一个裸模型就像一个坐在考场里的学生，遇到复杂的状况就只能靠自己的脑子硬算。但 Agent 会给模型安上搜索引擎，能给它配上代码的运行环境，还会帮它管理好项目的上下文，检查项目的运行结荚，甚至跑错了还能直接重来一次。通过这些外置工具给模型上 Buff，AI 实际做事的能力可以得到极大的提高。今年年初的时候，多伦多大学的团队做了一个探究，他们把同一个大模型，放到不一样的 Agent 工具里面来做测试。结荚发现同一个模型，在不一样的工具里谝的完全不一样，实现状况的概率最高能差个好几倍。前不久有人说过，目前 AI 的发展，就像一级一级向上爬的阶梯。去年的阶梯是思维链，通过思维链的方式，我们可以让模型学会自己思考，来让 AI 能做到更多的事情。而今年，AI 发展最题的阶梯就是 Agent。目前，DeepSeek 也交出了自己对 Agent 的答案。通过优质的后训练和 Agent 工具，把原本负责轻量采取的 Flash，给直接拉到了全球旗舰模型的身后。说实话，世超看到这个超级强化后的 Super Pro Max 版本的 Flash 模型，已经最初期待起来了。既然一个用来打下沉市场的小弟，都能靠着出神入化的后训练和DeepSeek Harness工具，跟 GPT-5.6 Sol、Claude Fable 5 这些身娇肉贵的 “ 太上皇 ” 们掰掰手腕……那关键是等 DeepSeek 把这套版本答案，给套在更强的V4 Pro上呢？撰文：早起编辑：江江 & 面线美编：焕妍图片、材料来源：https://api-docs.deepseek.com/zh-cn/quick_start/pricing/https://www.reuters.com/business/retail-consumer/deepseeks-new-ai-model-is-by-far-cheapest-well-known-models-run-research-firm-2026-08-03/https://artificialanalysis.ai/leaderboards/modelshttps://artificialanalysis.ai/modelshttps://artificialanalysis.ai/methodologyhttps://artificialanalysis.ai/methodology/intelligence-benchmarkinghttps://huggingface.co/deepseek-ai/DeepSeek-V4-Flashhttps://arxiv.org/abs/2606.19348https://api-docs.deepseek.com/zh-cn/news/news260424https://www.deepseek.com/transparency/https://arxiv.org/abs/2501.12948https://arxiv.org/abs/2203.02155https://arxiv.org/abs/2602.09540https://swebenchmobile.com/返回搜狐，查看更多平台声明：该文观点仅代表作者本人，搜狐号系材料发布平台，搜狐仅给予材料存储空间服务。