DeepSeek公司正式为其轻量级模型V4-Flash推出了公开测试版API。内部测试结果出乎意料:新版本不仅显著增强了智能体能力,还在多项指标上超越了更重、更昂贵的V4-Pro-Preview。

架构有何变化

此次更新仅涉及V4-Flash模型的API。较高级的V4-Pro以及DeepSeek官方应用和网页版目前保持不变。重点聚焦于智能体任务——即模型自主行动的场景:编写并运行代码、搜索信息、执行一系列操作。

现在V4-Flash直接支持Responses API格式——这是智能体与模型交换请求并获取结果的接口。此外,该模型还适配了Codex,这是OpenAI推出的流行代码编写智能体。这使得开发者无需更换工作环境即可将DeepSeek接入熟悉的工具。API调用方式未变——只需在设置中指定模型名称deepseek-v4-flash即可。

架构和模型大小保持不变。V4-Flash-0731版本保留了上一版本的结构,但经过了额外的重新训练,从而带来了如此显著的性能提升。

测试结果:智能体任务的突破

新版本几乎在所有方面都超越了之前的V4-Flash-Preview和更高级的V4-Pro-Preview,在某些方面接近Anthropic的旗舰模型Opus-4.8,并超过了中国的GLM-5.2。

在评估命令行任务执行能力的Terminal Bench 2.1测试中,该模型获得82.7分,而上一版本为61.8分。这高于GLM-5.2(81.0),几乎与Opus-4.8(85.0)持平。

编程方面的进步尤其令人印象深刻。在NL2Repo(将文本描述转化为完整代码库)中,V4-Flash获得54.2分,而之前为39.4分;在DeepSWE(解决实际编程任务)中,获得54.4分,而上一版本仅为7.3分。安全方面也有显著跃升:在Cybergym(代码漏洞检测)中,该模型获得76.7分,而前代产品为38.7分,较高级的V4-Pro-Preview为52.7分。

工具使用方面的结果也有所改善。在Toolathlon-Verified(使用外部工具)中,V4-Flash获得70.3分,在Agents' Last Exam(复杂智能体任务)中获得25.2分,在AutomationBench(工作场景自动化)中获得25.1分,三项指标均超过之前的版本。

公司内部测试也显示出增长:在DSBench-FullStack(完整网页开发)中,该模型获得68.7分,在DSBench-Hard(软件智能体的复杂任务)中获得59.6分,明显高于此前的结果,尽管仍落后于Opus-4.8。

这对开发者意味着什么

公开测试版意味着API的开放访问。任何开发者现在都可以接入新版本并在自己的任务中进行测试。公司保持了向后兼容性:现有的API调用继续正常工作,切换到V4-Flash只需简单更改模型名称即可。

较高级V4-Pro的更新已另行公布——其正式发布将在稍后进行。

我的看法:DeepSeek此举是向AI市场发出的强烈信号。轻量且经济的模型超越上一代较高级版本,表明架构优化正在快速推进。对开发者而言,这意味着能够以显著更低的基础设施成本获得顶级模型的性能,这可能加速智能体解决方案在主流产品中的普及。