DeepSeek V4 Flash 0731 公测：同架构 Agent 能力暴涨，智能指数 50 仅差 GPT-5.6 Luna 一分

7 月 31 日，DeepSeek 将 V4-Flash-0731 推入公开测试正式版。这是一次纯训练优化升级——模型架构与参数量（284B 总参 / 13B 激活 MoE）保持不变，100 万 token 上下文窗口和定价也未调整，但 Agent 能力出现大幅跃升。该升级仅作用于 Flash API，Pro API 及 App/Web 端模型暂时不变；官方同时预告 V4-Pro 正式版即将发布。

架构不变，能力跳升

DeepSeek 官方更新日志明确表示，V4-Flash-0731 仅对预览版（4 月 24 日发布）进行了重新后训练（re-post-training），未改动模型结构。新增能力包括原生支持 Responses API 格式，并专门适配了 Codex 编码代理。

官方公布的基准成绩显示 Agent 能力显著增强（均使用 DeepSeek Harness minimal 模式、max effort 设置）：

Terminal-Bench 2.1：从 56.9 升至 82.7（+25.8）
Toolathlon（verified）：从 51.8 升至 70.3（+18.5）
Cybergym：76.7
DeepSWE：54.4
NL2Repo：54.2
DSBench-FullStack（内部全栈开发测试集）：68.7
DSBench-Hard（内部编码 Agent 高难度测试集）：59.6
Agent Last Exam：25.2

值得注意的是，以上均为 DeepSeek 自有测试框架下的厂商成绩，独立评测数据可能偏低。

独立评测：智能指数从 40 跃至 50，紧追 GPT-5.6 Luna

独立分析机构 Artificial Analysis 在同日发布了针对 V4 Flash 0731 的评测。其 Intelligence Index（v4.1，涵盖 9 项评测维度）给出 50 分，较上一代 V4 Flash（40 分）提升 10 分，反超 V4 Pro 达 6 分。

在成本-智能 Pareto 前沿上，该模型仅比 GPT-5.6 Luna（max，51 分）低 1 分，与 Gemini 3.6 Flash（50 分）持平，与 GLM-5.2（max，51 分）和 Muse Spark 1.1（xhigh，51 分）差距也在 1 分以内。距当前开源权重前沿 Kimi K3（max，57 分）仍有 7 分差距。

Agent 专项表现同样突出：

GDPval-AA v2（真实世界 Agent 工作任务的 Elo 评分）：1559，较前代 1189 大幅提升；权重开放后将成为第二高开源成绩，仅次于 Kimi K3（1687）
Terminal-Bench 2.1（AA 独立评测）：79%，提升 17 个百分点
τ³-Bench Banking：31%，提升 8 个百分点

幻觉率降 12 个百分点，准确性持平

AA-Omniscience 评测揭示了一个有趣的模式：V4 Flash 0731 的 Omniscience 指数从 -23 改善至 -16（+7），但这一提升完全来自幻觉率下降——幻觉率从 96% 降至 84%（降 12 个百分点），而整体准确率与上一代持平。该幻觉率已与 GPT-5.6 Terra（max，85%）和 Mistral Medium 3.5（82%）相当。

此外，模型运行 Intelligence Index 的输出 token 量从前代的约 2.34 亿降至约 2.06 亿（降 12%），表明 token 效率有所提高。

极致低价 + 开源预期，持续施压商业 API

定价完全不变：输入 $0.14/百万 token，输出 $0.28/百万 token，缓存命中仅 $0.0028（98% 折扣）。Artificial Analysis 指出，即便 OpenAI 同日对 GPT-5.6 Luna 降价 80%，V4 Flash 0731 在 DeepSeek 官方 API 上的每任务成本仍比 GPT-5.6 Luna（max）低约 60%。

DeepSeek 预计将在未来数周内开放完整权重。一旦开放，V4 Flash 0731 将成为仅次于 Kimi K3 的第二高开源 Agent 模型。

开发者反响

Hacker News 讨论热度颇高（369 分，179 条评论）。多位开发者表示 Flash 已承担其 90% 日常任务，速度快且成本极低，与前沿模型差距难以察觉。社区普遍认为，在 Kimi K3 占据头条的背景下，DeepSeek 以"同一架构纯训练优化"提升 10 个指数点的做法，叠加极致低价与开源承诺，将对商业 API 市场持续构成压力。

待观察

以上 Agent 基准中，部分来自 DeepSeek 自有测试框架，独立开发者实测仍在积累，实际表现可能有差异。
V4-Pro 正式版发布时间尚未明确，官方仅称"coming ASAP"。
权重开放的具体时间和许可条款有待公布。

来源