DeepSeek又更新了，这次梁文锋没放大招｜进击的独角兽

从“正式版”和“公测”两个词同时出现来看，这并不是V4的最终形态。DeepSeek也特意强调，本次更新只涉及V4-Flash的API，V4-Pro及App、Web端模型均未发生变化，V4-Pro正式版还要再等等。 从最新版本来看，V4-Flash-0731没有改变模型架构和参数规模，只重新进行了一次后训练。更新后，DeepSeek把几乎所有篇幅都用来强调它在Agent，尤其是Code Agent上的进步。 DeepSeek正在尝试回答一个新的问题：到了Agent阶段，一家公司最需要的，究竟是一个能力最强的模型，还是一个足够强、足够快，也足够便宜的模型？ 4月24日，DeepSeek发布V4预览版时，已经同时推出V4-Pro和V4-Flash。两者都是MoE模型，但体量差距明显：V4-Pro拥有1.6万亿总参数，每次推理激活49B参数；V4-Flash拥有284B总参数，每次只激活13B参数。两款模型均支持100万Token上下文。 参数规模更大的V4-Pro，在世界知识以及高难度Agent任务上表现更好；V4-Flash则可以通过增加思考预算，在部分推理任务上接近Pro。换句话说，Flash牺牲了一部分知识容量，却用更小的激活参数换来了速度和成本。 用通俗的话来讲就是，DeepSeek虽然继续在追求AGI，但是并没有通过一味地增加参数来实现这件事情，而是让模型学会更好地拆解任务、调用工具、执行代码，并在更长的任务轨迹中减少错误。 过去，大模型公司的主要竞争发生在预训练阶段。谁有更多算力、更多数据，谁就有机会训练出参数更大、知识更多的模型。但进入Agent阶段后，模型能力不再完全由预训练决定。 一个模型会不会使用终端，能不能在数百次交互中维持任务状态，遇到错误后能否修正，以及是否知道什么时候应该调用什么工具，这些能力越来越依赖后训练、强化学习和模型外部的执行框架。 一方面，部分结果来自DeepSeek内部测试集；另一方面，DeepSeek Harness尚未公开，外界还无法在完全相同的环境下复现这些成绩。正式版V4-Flash究竟比预览版进步了多少，还需要等待独立评测以及真实开发场景验证。 在聊天机器人阶段，用户提出一个问题，模型生成一次答案，一次交互就结束了。但在Agent任务里，模型需要先理解目标，再拆解任务、检索信息、调用工具、读取结果、修正错误，最后完成交付。 这时，模型单次推理增加的成本和延迟，会在整个任务轨迹中被不断放大。一个能力更强、但速度更慢、成本更高的模型，未必能带来更好的实际结果。 Agent真正需要的，往往不是每一步都调用能力最强的模型，而是在绝大多数步骤中，使用一个能力足够、价格更低、响应更快的模型。 根据DeepSeek技术报告，在100万Token上下文下，V4-Flash单Token推理所需的计算量，约为V3.2的10%，KV Cache则约为V3.2的7%。它的总参数只有V4-Pro的约六分之一，每次激活参数也只有Pro的约四分之一。 目前，V4-Flash每百万Token未命中缓存的输入价格为1元，输出价格为2元；V4-Pro分别为3元和6元。V4-Flash的并发限制为2500，Pro则为500。Responses API目前也只有V4-Flash支持，V4-Pro预计到8月初才会接入。 在V4的产品体系里，Pro负责证明DeepSeek的模型能力能够达到什么位置，Flash则负责承担真正高频、长链条的Agent任务。前者是能力模型，后者更像生产模型。 DeepSeek没有选择通过扩大参数，让Flash在所有能力上追上Pro；它选择在模型架构不变的情况下，通过后训练和Agent框架，提高Flash完成真实任务的能力。 如果Agent最终要进入企业和开发者的日常工作流，那么决定模型能否被大规模使用的，不只是Benchmark，而是完成一个任务需要多少时间、消耗多少Token，以及最终成功率是多少。 DeepSeek公布的Agent成绩大多使用Max reasoning effort完成。更高的思考强度通常意味着更长的推理过程和更多Token消耗。一个模型每百万Token的价格很低，不等于完成一项任务的总成本一定更低。 因此，真正有价值的对比，不是V4-Flash在某一项Benchmark上超过了谁，而是在完成同一个Agent任务时，它与V4-Pro、Kimi、GLM以及闭源模型分别需要多少Token、多少时间和多少次重试。