中国公司DeepSeek发布了其轻量级模型V4-Flash的更新版API公开测试版。这并非一次普通的更新:测试结果显示,这款较小的模型不仅追上了较大的V4-Pro-Preview,还在多项关键指标上超越了它。这标志着在智能体计算和自主任务执行领域迈出了重要一步。
V4-Flash有哪些变化
本次更新的核心重点是增强模型的智能体能力。现在,V4-Flash能够自主编写和运行代码、在互联网上搜索信息,并在无需人工干预的情况下构建复杂的行动链。关键创新是支持Responses API格式,该格式允许智能体直接与模型交换请求并获取结果。此外,该模型还适配了OpenAI的Codex——一款流行的代码编写工具,从而扩展了其对开发者的适用性。API调用方式未变:要切换到新版本,只需在设置中指定模型名称deepseek-v4-flash即可。
模型架构和大小保持不变,但V4-Flash-0731版本经过了额外的再训练。这使得在不改变基础结构的情况下取得了令人瞩目的成果。
测试结果:数据说明一切
更新后的V4-Flash-0731在几乎所有基准测试中不仅超越了之前的V4-Flash-Preview,还超过了较大的V4-Pro-Preview。在评估命令行操作能力的Terminal Bench 2.1测试中,该模型获得82.7分,而前代产品为61.8分。这高于GLM-5.2(81.0分),并几乎接近Anthropic的Opus-4.8(85.0分)。
在代码编写任务中进步尤为显著。在NL2Repo测试中,V4-Flash获得54.2分,而旧版本为39.4分;在DeepSWE中,得分为54.4分,而旧版本仅为7.3分。安全领域的提升同样令人印象深刻:在Cybergym测试中,该模型获得76.7分,而前代版本仅获得38.7分,较大的V4-Pro-Preview则为52.7分。
工具使用方面的结果也有所改善:Toolathlon-Verified为70.3分,Agents' Last Exam为25.2分,AutomationBench为25.1分。在所有三项指标上,新版本均超越了旧版本。DeepSeek的内部测试也证实了这一趋势:在DSBench-FullStack中,该模型获得68.7分,在DSBench-Hard中获得59.6分,均显著高于之前的版本。
这对开发者意味着什么
V4-Flash被定位为适合大规模工作负载的快速且经济高效的选择。对Codex的支持允许开发者在熟悉的环境中无需更换工具即可使用该模型。公开测试版意味着API开放访问——任何开发者现在都可以接入新版本。向后兼容性得以保留:旧请求继续正常工作,迁移只需简单更改模型名称即可。
较大模型V4-Pro的更新已单独公布,其正式发布预计稍后进行。但现在已经很明显:DeepSeek押注于效率和速度可能比“原始”性能更重要。
我的观点:这不仅仅是技术更新,更是AI行业范式转变的信号。如果轻量级模型在智能体任务中超越较大的模型,那么优化和再训练可能比简单增加参数更重要。对市场而言,这意味着竞争正转向实际效率,而不仅仅是原始基准测试。开发者应密切关注V4-Flash——在如此质量下节省计算资源可能成为决定性因素。