DeepSeek V4 Flash 0731发布：13B模型在编程Agent任务上超越1.6T Pro

核心结论

DeepSeek 刚刚证明了一件事：AI 编程 Agent 的能力不取决于模型大小。V4 Flash 0731 版本使用了与预览版完全相同的 13B 激活参数架构——唯一改变的是后训练。结果：它在九项 Agent 基准测试中超越了 DeepSeek 自家的 1.6T 参数 V4 Pro，包括 Terminal Bench 2.1 的 82.7 分。如果你在构建或使用 AI 编程 Agent，结论很简单：驱动 Agent 的模型突然变得更便宜、更强了。

发生了什么

7 月 31 日，DeepSeek 将 V4 Flash 从预览版升级为正式发布。没有架构变化，没有参数扩展，仅仅是一次重新后训练。

关键数据：

• Terminal Bench 2.1：82.7 分——超越 V4 Pro
• DeepSWE：54.4 分——在软件工程任务上超过 V4 Pro
• 九项 Agent 基准测试全部显示 V4 Flash 领先于体积大得多（1.6T 参数）的 V4 Pro

相同的 284B 总参数 / 13B 激活参数的 MoE 架构。两个模型之间的差距纯粹是后训练差距。

价格保持不变：约 0.14 美元/百万输入 token，约为 V4 Pro 的三分之一，比前沿闭源模型便宜一个数量级。

为什么这对 AI 编程很重要

我认为有三个值得关注的点。

第一，缩放假设正在裂开。 过去两年，行业的剧本一直是：更大模型意味着更好编程能力。GPT-4 击败 GPT-3.5，Opus 击败 Sonnet。你投入更多参数，就能获得更好结果。V4 Flash 0731 以一种具体的、可测量的方式打破了这个模式：在 Agent 编程任务上，一个训练方式不同的 13B 模型，超越了旧方式训练的 1.6T 模型。

第二，后训练是新的主战场。 如果不动基础模型就能获得如此大的提升，那么在编程 Agent 领域胜出的公司，不一定是拥有最大预训练集群的公司，而是拥有最佳后训练配方的公司——针对 Agent 工作流优化的 RL、人类反馈和合成数据的正确组合。

第三，廉价编程 Agent 真的来了。 以 0.14 美元/百万输入 token 的价格，在 V4 Flash 上运行 Agent 循环的成本，是在 Claude Opus 或 GPT-5.6 上运行的一小部分。对于每个会话进行数十甚至数百次 API 调用的编程 Agent 来说，成本差异就是「我每天都在用」和「我省着用」之间的区别。

需要注意的陷阱

在把你的 Agent 切换到 V4 Flash 之前，有几件事得说清楚：

基准测试是 DeepSeek 自己报告的。他们用自己的测试框架运行，不是第三方评估。在我们看到独立复现之前——在 SWE-bench Verified、真实编码任务、多轮 Agent 工作流上——这些数字是方向性的，不是定论。

模型权重还没上 Hugging Face。API 已经上线且与预览版向后兼容，你可以通过 OpenRouter 或 DeepSeek 自己的 API 今天就试用。但如果想在本地运行，还得等等。

而且 V4 Flash 是纯文本模型。没有视觉能力，没有多模态。如果你的编程 Agent 依赖截图理解或 UI 交互，这不能直接替代 GPT-5.6 或 Claude Opus 5。

对编程 Agent 生态意味着什么

我的看法是：这次发布对 DeepSeek 本身的意义，远不如它对开源编程模型管道的意义大。

半年前，在开源模型上运行一个能用的编程 Agent，意味着接受显著的质量妥协。今天，开源和闭源模型在 Agent 编程任务上的差距正在快速缩小——而像这样的后训练改进，正在从底层向上弥合这个差距。

对于 Cline、Aider、OpenCode、Continue 这类允许接入任意模型的工具来说，一个在 Terminal Bench 上得分 82.7、价格 0.14 美元/百万 token 的模型，彻底改变了「自带模型」编程 Agent 的经济学。你不再需要在「便宜但平庸」和「昂贵但好用」之间二选一。

对前沿实验室来说，这个信号令人不安：如果一个重新后训练的 13B 模型能在 Agent 任务上击败你的旗舰模型，你的护城河可能比你想象的要薄。

底线

如果你在运行编程 Agent 且关心成本，DeepSeek V4 Flash 0731 值得一试。基准测试的故事很有说服力，即便考虑到自报数据的保留意见。更重要的是，它是一个趋势中的数据点：后训练才是编程能力提升的关键所在，模型大小正在成为一个越来越不可靠的能力指标。

至少，在你通常使用更便宜模型的场景下试试它，看看你是否能感受到差异。你可能会发现，你并不像你以为的那么需要大模型。