本周,DeepSeek公司出人意料地采取了行动,为其更新后的V4-Flash模型推出了公开测试版API。我仔细研究的结果颠覆了传统的模型层级:“轻量版”不仅追上了旗舰版V4-Pro-Preview,还在许多测试中超越了它。这不仅仅是渐进式的改进,而是对智能体AI领域竞争格局的一次重大重组。
V4-Flash的关键变化
此次更新的核心重点是增强智能体能力。该模型现在完全支持Responses API格式,使其能够自主工作:编写和运行代码、搜索信息以及执行复杂的操作链。此外,V4-Flash已适配与OpenAI的Codex集成——这是一个具有战略意义的举措,使开发者能够在熟悉的工具中使用DeepSeek,而无需改变工作流程。
模型的架构和大小保持不变,但V4-Flash-0731版本经过了额外的重新训练。要切换到新版本,只需在API设置中指定模型名称deepseek-v4-flash即可——无需其他任何更改。
测试结果:数据说明一切
基准测试中的数据令人印象深刻。在Terminal Bench 2.1测试(命令行任务执行)中,V4-Flash获得了82.7分,而之前版本为61.8分。这高于中国的GLM-5.2(81.0分),并且几乎接近领先者——Anthropic的Opus-4.8(85.0分)。
在编码方面的进步尤为显著。在NL2Repo测试(将文本描述转换为完整代码库)中,该模型获得了54.2分,而之前为39.4分。但最戏剧性的飞跃出现在DeepSWE(解决真实编程任务)中:54.4分对比之前可怜的7.3分。这几乎是七倍的增长。
网络安全方面的进步同样令人印象深刻。在Cybergym测试(代码漏洞搜索)中,V4-Flash获得了76.7分,而前代产品为38.7分,旗舰版V4-Pro-Preview为52.7分。在所有其他智能体测试中——Toolathlon、Agents' Last Exam、AutomationBench——新版本也稳定地超越了前几代产品。
我的分析:这对市场意味着什么
DeepSeek的这一举措不仅仅是更新,更是范式转变的信号。该公司表明,模型的效率不是由规模决定的,而是由训练质量决定的。对开发者而言,这意味着可以以显著更低的价格获得顶级闭源模型的性能水平。预计稍后发布的V4-Pro完整版现在看起来更加引人期待——如果“较小”的模型已经如此出色,旗舰版又会带来什么?我正在密切关注事态发展,在为智能体开发选择工具时,这一趋势绝对值得考虑。