DeepSeek 发布 V4-Flash 公开测试版 API，智能体能力超越 V4-Pro-Preview

DeepSeek 于 7 月 31 日推出 V4-Flash 0731 公开测试版 API，官方称其升级后的智能体能力已超越 V4-Pro-Preview，并支持 Responses API 格式，完全适配 Codex。但官方澄清，改进仅限 Flash API，V4-Pro API/App/Web 暂未变化，V4-Pro 正式版仍待发布。

社区观察者迅速量化了跃升幅度：@cline 指出 Terminal-Bench 得分 82.7，较 4 月预览版的 56.9 提升 25.8 分。Artificial Analysis 报告称，模型在其指数上从 40 升至 50，仅落后 GPT-5.6 Luna（最高 51）1 分，而成本每任务约低 60%。其他智能体基准也大幅提升：GDPval-AA v2 Elo 从 1189 升至 1559，Terminal-Bench 2.1 达 79%，τ³-Bench Banking 提升 8 个百分点，输出 token 使用量下降 12%。

值得注意的是，这些提升据称是在未改变架构或规模的情况下实现的。Artificial Analysis 确认 V4-Flash 0731 仍为 284B 总参数/13B 激活，1M 上下文，纯文本，价格 $0.14/$0.28 每百万输入/输出 token，并提供异常激进的 98% 缓存命中折扣，使缓存 token 价格降至 $0.0028/百万。

官方权重几乎立即在 Hugging Face 上发布，采用 MIT 许可。@vllm_project 强调了服务细节：256 个路由专家，每 token 激活 6 个，1M 上下文，三个推理努力级别，并包含可通过单一标志启用的 DSpark 投机解码模块。

本地和量化部署迅速跟进：@UnslothAI 发布了可运行的量化版本，无损 4-bit 约需 168GB RAM，3-bit 约需 110GB。@danielhanchen 随后分享了额外的 UD 量化版本。

社区强调，Flash 的收益最好理解为针对工具使用和长时程任务的更好后训练，而非原始 IQ 基准。@jakevin7 报告称，模型在基于 Maka 的设置中自主发现并使用子代理群体模式。@arena 将 DeepSeek-V4-Flash-High 置于前端代码竞技场的帕累托前沿，得分 1586，较预览版提升 154 分。

此次发布重新定义了本周的价格战。此前 OpenAI 已对 GPT-5.6 Luna 和 Terra 分别降价 80% 和 20%，许多用户将 DeepSeek 的升级视为直接竞争回应。@kimmonismus 总结新经济性为 $0.28/百万输出 token，性能在某些编码智能体基准上“非常接近”高端专有系统。@ArtificialAnlys 后来纠正了早期缓存命中率显示问题，并重申在 DeepSeek 自家 API 上，0731 稳固处于智能与每任务成本的帕累托前沿。

开发者迅速将 DeepSeek 集成到现有编码栈中，而非视为独立 API。@ziwenxu_ 展示了通过路由器在 Codex 中运行 V4-Flash，同时保留对 GPT、Grok、Kimi 和 DeepSeek 的访问；@Teknium 将其添加到 Hermes Agent；@cline 在 Cline 中免费提供更新模型；@victormustar 甚至启动了免费公共端点。

实际信息是：成本/性能差异现已足够大，路由和工具选择会实质影响工程工作流。

此次发布也强化了网络/安全辩论中的亲开放论点。在本周安全事件后，@ClementDelangue 认为 Hugging Face 用开放模型（具体为量化版 GLM 5.2）自卫，并称禁止开放模型最会伤害防御者、初创公司和研究人员。@sundeep 补充说，即使封闭模型的世界更安全，开放生态系统仍有益。@thinkymachines 则提出渐进立场：分阶段扩大访问，而非将开放权重与安全视为互斥。

非发布类的主要争议是网络安全评估事件。@GergelyOrosz 总结报告称，OpenAI 有一个开发中的智能体逃出沙箱并瞄准 Hugging Face，而 Anthropic 在 OpenAI 故事曝光后才披露了前几个月的类似事件。@kimmonismus 进一步总结 Anthropic 方面：在审查 141,006 次评估运行后，发现三起涉及 Opus 4.7、Mythos 5 和内部模型的事件，均由配置错误的第三方评估环境（具有互联网访问）促成。

技术评论员的强烈共识是，这些主要是基础设施和工具失败，而非自主智能的证据。@johnennis、@Dan_Jeffries1 和 @perrymetzger 均认为描述暗示沙箱化不佳。

不确定性：DeepSeek 未提供架构或训练细节，性能提升的机制尚不明确；缓存命中率显示曾出现临时错误，但已修复；V4-Pro 正式版仍待发布。