<mark id="oztn4"></mark>
0
作者丨鄭佳美
編輯丨馬曉寧
剛剛，DeepSeek 更新了 DeepSeek-V4-Flash。
官方把它稱為“正式版”，不過目前只是在 API 端上線公測。此次更新也只涉及 deepseek-v4-flash，V4-Pro API，以及 App 和網頁端當前使用的模型，都沒有隨之更新。
但比起“正式版”這個名字，這次更新更值得關注的是另一句話：DeepSeek-V4-Flash-0731 與此前的 Preview 版本采用相同的模型結構和參數規模，只重新進行了后訓練。
01
大模型的訓練其實可以被簡單分成兩個階段。
第一個階段是預訓練。模型通過大量文本和代碼學習知識，形成基礎能力。這個階段決定了模型大致有多聰明、知道多少東西。
第二個階段是后訓練。它更像是針對具體工作進行專項訓練，讓模型學會怎樣回答問題、怎樣調用工具，以及怎樣按照要求完成任務。
這次 DeepSeek 沒有重新設計模型架構，也沒有擴大參數規模，而是在原有模型上重新進行后訓練。模型的結構沒有變化，但內部權重和行為方式會發生變化。
這有點像同一輛車沒有更換發動機，卻重新調整了變速箱、控制系統和駕駛策略。車本身沒有變大，但在特定道路上的表現可能明顯改善。
不過，DeepSeek 并沒有公布這次后訓練具體使用了哪些數據、獎勵方法和訓練流程。因此，目前只能確定它重新做了后訓練，不能進一步斷言性能提升究竟來自哪一種技術。
02
根據 DeepSeek 公布的結果，新版 V4-Flash 在 Terminal Bench 2.1 上獲得 82.7，在 DeepSWE 上獲得 54.4，在 DSBench-FullStack 上獲得 68.7。
這些測試和傳統的代碼補全不同。傳統代碼測試通常只要求模型寫出一段代碼，而 Agent 測試要求模型真正進入一個工作環境。它需要讀取文件、理解代碼倉庫、調用終端、修改程序、運行測試，再根據報錯繼續處理。
也就是說，模型不只是要知道答案，還要連續完成多個步驟。
不過，這些成績也不能完全理解成模型自身的單獨能力。DeepSeek 明確說明，部分代碼 Agent 測試使用了尚未公開的 DeepSeek Harness，并采用了較高的推理檔位；DSBench-FullStack 和 DSBench-Hard 還是 DeepSeek 自己的內部測試集。
因此，更準確的說法是：V4-Flash-0731 在 DeepSeek 公布的 Agent 運行環境中取得了明顯提升，但它在第三方框架中的實際表現，還需要更多獨立測試。
03
此次更新還有一個重要變化：V4-Flash 開始原生支持 Responses API，并針對 Codex 進行了適配。
Responses API 可以理解為一套更適合 Agent 的通信接口。它可以更統一地處理模型回復、推理狀態、工具調用和執行結果。
它本身不會讓模型突然變得更聰明，但可以減少模型接入 Codex 等 Agent 工具時的適配工作，讓開發者更容易把模型放進真實的軟件開發流程。雷峰網(公眾號：雷峰網)
所以，這次更新其實包含兩部分：一部分是重新后訓練后的模型權重，另一部分是更適合 Agent 使用的接口和運行環境。
最終成績由模型、推理預算、工具環境和 Agent 框架共同決定，很難只歸功于其中某一項。
04
目前可以確定的是，DeepSeek 在沒有改變 V4-Flash 模型結構和參數規模的情況下，通過重新后訓練提高了官方 Agent 基準成績，同時增強了對 Responses API 和 Codex 工作流的支持。
但現階段還不能直接得出后訓練已經可以替代模型擴容或者V4-Flash 已經全面領先其他 Agent 模型這樣的結論。
一方面，V4-Flash-0731 的具體后訓練變化尚未公開；另一方面，官方部分測試所使用的 Harness 和內部數據集還不具備完整的外部復現條件。
所以，這次更新不適合簡單總結為DeepSeek 又發布了一個更強的模型。更準確的理解是，DeepSeek 正在驗證一條更加務實的技術路線：當模型結構和參數規模保持不變時，能否通過重新后訓練、工具接口適配和 Agent 運行框架，進一步提高模型完成真實任務的能力。雷峰網
DeepSeek 已經給出了官方成績，但這條路線究竟能帶來多大的實際提升，還要等待更多訓練細節、公開工具和第三方測試。
上車，帶你看遍全球 AI 頂會精華
可獨家暢覽：
專家演講PPT
大會報告全文
熱門論文解讀
學術新星訪談
掃描上方二維碼
或點擊「閱讀原文」關注專區。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
