智能体
wechat ·
@数字生命卡兹克
DeepSeek V4 Flash后训练升级，Agent能力大幅提升且成本优势显著
文章介绍DeepSeek V4 Flash正式版发布，模型结构和参数未变，仅重新进行后训练，但Agent相关基准测试成绩大幅提升（如Terminal Bench从61.8升至82.7，DeepSWE从7.3升至54.4），并原生支持Responses API。作者认为其能力虽不及顶级模型，但成本极低，适合大规模日常任务，并分享自身使用案例，强调其推动智能平权的价值。
AI推荐理由 文章提供了DeepSeek V4 Flash的具体性能提升数据和实际应用场景，对关注模型性价比和Agent应用的读者有参考价值。但内容为个人体验和观点，非官方发布，且部分数据未验证。
70
正文
等了好久，DeepSeek V4的正式版终于来了。
可惜，来的还是DeepSeek-V4-Flash，V4 Pro正式版还得继续等。
但我看到消息的第一反应，还有很开心的。
因为V4 Flash对我现在的生活，反而比V4 Pro还要重要。
这次，DeepSeek V4 Flash它的模型结构和参数规模完全没变，只重新做了后训练，但是强了特别多。
Terminal Bench 2.1从61.8涨到了82.7。
DeepSWE从7.3涨到了54.4。
DSBench-FullStack从37.0涨到了68.7。
官方列出的九项Agent测试里，它已经全部超过了V4 Pro Preview。
同时还原生支持Responses API，专门针对Codex进行了适配。
讲真，DeepSeek这次在后训练上，应该是憋了个大的。
但如果让我非常坦率地评价，DeepSeek V4 Flash在最顶级的Coding和Agent任务里，跟GPT-5.6 Sol、Claude Opus 5、Kimi K3这些最强模型，依然会有巨大的差距。
复杂项目的架构设计、长时间自主执行、充满意外的多步任务，我大概率还是会优先把最强的模型挂上去。
这没什么可避讳的。
但模型真正进入生产环境以后，能力上限只是一部分。
还有一个经常被低估到离谱的指标：
你到底用不用得起。
这也是我为什么反而更期待Flash。
我自己的AIHOT，现在每天差不多要抓一万条新闻。
这些新闻进来以后，要做结构化、数据清洗、预筛、标注、实体提取、原子事件分离、聚类、语义合并等等，还有一大堆后续判断。
最后才回到真正的精选打分环节那一步。
这里面绝大多数环节，都需要AI介入。
有些流程复杂到甚至需要Agent自己调用工具、检查结果、决定下一步。
一万条新闻，乘上一大串处理链路，最后就是一个极其恐怖的调用量。
按照我现在的调用规模，每个月大概API的消耗量在1000多人民币，你要是换成我常用的那些顶级模型，成本至少得翻十倍以上。
但DeepSeek V4 Flash就很适合干这个。
智能水平在中上等，却又便宜得离谱。
WorkBuddy里也是一样。
真正难到天上的任务，大家可以接K3。
可绝大多数日常任务，DeepSeek V4 Flash已经完全能处理，而且单次只消耗0.06积分。
行业当然需要那些一次跑通世界级难题的顶级模型。
可这个世界上更多的真实需求，是每天重复一万次、十万次、上百万次的普通任务。
当智能贵得像奢侈品时，大家只能偶尔体验。
当智能便宜到像水电一样时，它才会真正流进每一家公司、每一条流水线和每一个普通人的生活里。
所以我很多时候，真的挺感谢DeepSeek。
这才是真正的，智能平权。