出品｜虎嗅科技组
作者｜宋思杭
编辑｜苗正卿
头图｜视觉中国
这是进击的独角兽第31篇，，，，，，该系列关注月之暗面、智谱、MiniMax、阶跃星辰、零一万物、百川智能、面壁智能和DeepSeek共8家大模子独角兽公司。。。 。
梁文锋的热度一直在AI圈的Top级，，，，，，尤其是今年。。。 。
从V4预览版宣布，，，，，，到厥后的融资与IPO听说，，，，，，再到一份撒播甚广的四小时谈话实录，，，，，，DeepSeek的每一次行动，，，，，，都能迅速成为行业话题。。。 。
7月31日下昼，，，，，，DeepSeek又更新了。。。 。
这次，，，，，，DeepSeek只是在API文档的更新日志里宣布，，，，，，V4-Flash正式版API上线公测。。。 。
从“正式版”和“公测”两个词同时泛起来看，，，，，，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端模子均未爆发转变，，，，，，V4-Pro正式版还要再等等。。。 。
但这次更新依然值得关注。。。 。
从最新版原来看，，，，，，V4-Flash-0731没有改变模子架构和参数规模，，，，，，只重新举行了一次后训练。。。 。更新后，，，，，，DeepSeek把险些所有篇幅都用来强调它在Agent，，，，，，尤其是Code Agent上的前进。。。 。
这意味着，，，，，，V4-Flash并不是一次简朴的模子更新。。。 。
DeepSeek正在实验回覆一个新的问题：到了Agent阶段，，，，，，一家公司最需要的，，，，，，事实是一个能力最强的模子，，，，，，照旧一个足够强、足够快，，，，，，也足够自制的模子？？？
这一次，，，，，，DeepSeek没有继续堆参数
V4-Flash并不是7月31日才第一次泛起。。。 。
4月24日，，，，，，DeepSeek宣布V4预览版时，，，，，，已经同时推出V4-Pro和V4-Flash。。。 。两者都是MoE模子，，，，，，但体量差别显着：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。。。 。两款模子均支持100万Token上下文。。。 。
在DeepSeek的定位里，，，，，，Pro认真能力上限，，，，，，Flash认真效率。。。 。
参数规模更大的V4-Pro，，，，，，在天下知识以及高难度Agent使命上体现更好；；；；；；V4-Flash则可以通过增添思索预算，，，，，，在部分推理使命上靠近Pro。。。 ；；；；；；痪浠八担，，Flash牺牲了一部分知识容量，，，，，，却用更小的激活参数换来了速率和本钱。。。 。
7月31日的更新没有改变这套架构。。。 。
DeepSeek明确体现，，，，，，V4-Flash-0731与预览版的模子结构、尺寸完全一致，，，，，，仅重新举行了后训练。。。 。
但就是这次后训练，，，，，，让V4-Flash的Agent能力泛起了显着转变。。。 。
凭证DeepSeek宣布的效果，，，，，，V4-Flash-0731在Terminal Bench 2.1上抵达82.7，，，，，，在NL2Repo上抵达54.2，，，，，，在DeepSWE上抵达54.4，，，，，，在Toolathlon Verified上抵达70.3。。。 。DeepSeek称，，，，，，这些效果已经大幅凌驾V4-Pro预览版。。。 。
这件事的意义在于，，，，，，DeepSeek没有通过增添参数和重新预训练，，，，，，来提高模子的Agent能力。。。 。
用通俗的话来讲就是，，，，，，DeepSeek虽然继续在追求AGI，，，，，，可是并没有通过一味地增添参数来实现这件事情，，，，，，而是让模子学会更好地拆解使命、挪用工具、执行代码，，，，，，并在更长的使命轨迹中镌汰过失。。。 。
已往，，，，，，大模子公司的主要竞争爆发在预训练阶段。。。 。谁有更多算力、更大都据，，，，，，谁就有时机训练出参数更大、知识更多的模子。。。 。但进入Agent阶段后，，，，，，模子能力不再完全由预训练决议。。。 。
一个模子会不会使用终端，，，，，，能不可在数百次交互中维持使命状态，，，，，，遇到过失后能否修正，，，，，，以及是否知道什么时间应该挪用什么工具，，，，，，这些能力越来越依赖后训练、强化学习和模子外部的执行框架。。。 。
V4-Flash的转变，，，，，，恰恰说明晰这一点。。。 。
这也是为什么，，，，，，DeepSeek这次除了更新模子，，，，，，还原生支持了Responses API，，，，，，并专门适配Codex。。。 。同时，，，，，，DeepSeek在测试Code Agent使命时，，，，，，使用了尚未正式宣布的DeepSeek Harness minimal mode。。。 。
换句话说，，，，，，这些Agent效果不完全属于模子自己，，，，，，而是属于“模子、推理预算与Harness”配合组成的系统。。。 。
这虽然也意味着，，，，，，现在宣布的数据仍需审慎看待。。。 。
一方面，，，，，，部分效果来自DeepSeek内部测试集；；；；；；另一方面，，，，，，DeepSeek Harness尚未果真，，，，，，外界还无法在完全相同的情形下复现这些效果。。。 。正式版V4-Flash事实比预览版前进了几多，，，，，，还需要期待自力评测以及真实开发场景验证。。。 。
但至少从这次更新可以看出，，，，，，DeepSeek正在从只提供模子和API，，，，，，向Agent所需要的执行情形多走一步。。。 。
但DeepSeek现在还没有亲自做一个完整的Agent产品，，，，，，却最先提供让模子进入Agent事情流所必需的接口、适配和Harness。。。 。
这是一种很是？Ｕト〉牟坊。。。 。
为什么是Flash？？？
既然V4-Pro的能力上限更高，，，，，，DeepSeek为什么不先更新Pro？？？
最直接的原因是，，，，，，Agent并不是一次模子挪用。。。 。
在谈天机械人阶段，，，，，，用户提出一个问题，，，，，，模子天生一次谜底，，，，，，一次交互就竣事了。。。 。但在Agent使命里，，，，，，模子需要先明确目的，，，，，，再拆解使命、检索信息、挪用工具、读取效果、修正过失，，，，，，最后完成交付。。。 。
一个重大使命，，，，，，可能包括几十次甚至数百次模子挪用。。。 。
这时，，，，，，模子单次推理增添的本钱和延迟，，，，，，会在整个使命轨迹中被一直放大。。。 。一个能力更强、但速率更慢、本钱更高的模子，，，，，，未必能带来更好的现实效果。。。 。
Agent真正需要的，，，，，，往往不是每一步都挪用能力最强的模子，，，，，，而是在绝大大都方法中，，，，，，使用一个能力足够、价钱更低、响应更快的模子。。。 。
这正是V4-Flash的价值。。。 。
凭证DeepSeek手艺报告，，，，，，在100万Token上下文下，，，，，，V4-Flash单Token推理所需的盘算量，，，，，，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。。。 。
这种差别最终也体现在API定价上。。。 。
现在，，，，，，V4-Flash每百万Token未掷中缓存的输入价钱为1元，，，，，，输出价钱为2元；；；；；；V4-Pro划分为3元和6元。。。 。V4-Flash的并发限制为2500，，，，，，Pro则为500。。。 。Responses API现在也只有V4-Flash支持，，，，，，V4-Pro预计到8月初才会接入。。。 。
在V4的产品系统里，，，，，，Pro认真证实DeepSeek的模子能力能够抵达什么位置，，，，，，Flash则认真肩负真正高频、长链条的Agent使命。。。 。前者是能力模子，，，，，，后者更像生产模子。。。 。
梁文锋曾在内部果真说道，，，，，，“模子应该放在相同本钱下较量；；；；；；在现阶段，，，，，，Coding Agent的优先级高于其他笔直Agent。。。 。”
从这个角度来看，，，，，，V4-Flash此次更新的偏向，，，，，，确实与这两个判断形成了呼应。。。 。
DeepSeek没有选择通过扩大参数，，，，，，让Flash在所有能力上追上Pro；；；；；；它选择在模子架构稳固的情形下，，，，，，通事后训练和Agent框架，，，，，，提高Flash完成真实使命的能力。。。 。
这背后是一种更现实的盘算。。。 。
若是Agent最终要进入企业和开发者的日常事情流，，，，，，那么决议模子能否被大规模使用的，，，，，，不但是Benchmark，，，，，，而是完成一个使命需要几多时间、消耗几多Token，，，，，，以及最终乐成率是几多。。。 。
不过，，，，，，这也是V4-Flash现在最需要证实的地方。。。 。
DeepSeek宣布的Agent效果大多使用Max reasoning effort完成。。。 。更高的思索强度通常意味着更长的推理历程和更多Token消耗。。。 。一个模子每百万Token的价钱很低，，，，，，不即是完成一项使命的总本钱一定更低。。。 。
若是V4-Flash需要消耗更多Token才华抵达靠近Pro的效果，，，，，，那么它在单价上的优势，，，，，，可能会被更长的使命轨迹部分抵消。。。 。
因此，，，，，，真正有价值的比照，，，，，，不是V4-Flash在某一项Benchmark上凌驾了谁，，，，，，而是在完成统一个Agent使命时，，，，，，它与V4-Pro、Kimi、GLM以及闭源模子划分需要几多Token、几多时间和几多次重试。。。 。
DeepSeek暂时还没有给出这个谜底。。。 。
本文来自虎嗅，，，，，，原文链接：https://www.huxiu.com/article/4879740.html?f=wyxwapp
