刚刚，DeepSeek-V4-Flash正式版API公测上线

7月31日，DeepSeek正式向公众开放V4-Flash正式版API公测。这一次，最亮眼的关键词是——Agent能力大幅跃升。

9项基准测试成绩全面披露，多项指标远超此前发布的V4-Pro-Preview预览版，直接将“代码智能体”的天花板又顶高了一截。

从Terminal Bench到DSBench-Hard，从网络安全对抗到全栈开发，DeepSeek-V4-Flash正式版展现出了令人瞩目的“全能Agent”潜质。

这意味着什么？意味着AI不再只是“能写代码”，而是开始真正像工程师一样工作——打开终端、分析仓库、调用工具、完成端到端任务。

9项基准测试成绩单：数据说话

这一次，DeepSeek没有藏着掖着，直接亮出了9项基准测试的完整成绩。从终端操作到代码仓库分析，从网络安全到自动化测试，覆盖面相当广泛。

其中，Terminal Bench 2.1以82.7的高分领跑，这意味着模型在终端环境下的任务执行能力已经相当成熟——能够理解复杂的命令行操作、编写脚本、调试错误，几乎是“AI运维工程师”级别的表现。

Cybergym拿下76.7分，展示了出色的网络安全对抗能力。DSBench-FullStack（全栈开发测试）和DSBench-Hard（Coding Agent难题测试）分别取得68.7和59.6分，说明模型不仅能够写单个函数，还能胜任从前端到后端的完整开发链路。

测试说明：透明且严谨

DeepSeek同时披露了详细的测试条件，透明度值得点赞：

注1：对于公开基准测试集中的Code Agent任务，正式版DeepSeek-V4-Flash使用DeepSeek Harness极简模式（即将发布）作为框架进行测试，并使用max档位，top_p=0.95，temperature=1.0。

注2：DSBench-FullStack是内部使用的全栈开发测试集，DSBench-Hard是内部使用的Coding Agent难题测试集。

值得一提的是，DeepSeek Harness极简模式作为一个即将独立发布的测试框架，此次随成绩一同亮相，也暗示了DeepSeek在构建标准化Agent评测生态方面的布局——不只是训练更强的模型，还要提供更可靠的评测工具。

原生支持Responses API，适配Codex

除了基准成绩的飞跃，正式版V4-Flash在工程适配上也有重要更新——原生支持Responses API格式，并针对性适配了Codex。

这意味着开发者可以更自然地将V4-Flash接入现有的Codex工作流，降低迁移成本。具体配置方法可参考DeepSeek官方文档。

模型结构未变，后训练是关键

一个值得注意的细节是：DeepSeek-V4-Flash-0731的模型结构和尺寸与Preview版保持完全一致，仅重新进行了后训练。

换句话说，底座没有变，变的是"后天教育"。这恰恰说明，在Agent能力这条赛道上，后训练策略的优化空间依然巨大。同样的模型架构，经过更精细的后训练调优，就能在基准测试中产生质的飞跃——这对整个行业的启示是深远的。

此次升级范围：仅限V4-Flash API

升级范围说明

已升级：DeepSeek-V4-Flash API接口

未升级：DeepSeek-V4-Pro API

未升级：APP端 / WEB端模型

即将发布：DeepSeek-V4-Pro正式版（将尽快发布）

需要注意的是，本次升级仅涉及DeepSeek-V4-Flash的API接口。如果你是V4-Pro的用户，或者是通过APP/Web端使用DeepSeek的用户，此次更新暂不影响你。

而关于大家关心的V4-Pro正式版，DeepSeek表示"将尽快发布"。考虑到Flash版已经展现出如此强势的Agent能力，V4-Pro正式版的表现无疑更加令人期待。

行业观察：Agent时代正式开启？

从Terminal Bench到Cybergym，从DeepSWE到Toolathlon，这9项基准测试的名字本身就揭示了一个趋势：AI的能力评测，正在从"写一段代码"进化到"完成一个工程任务"。

DeepSeek-V4-Flash正式版在多项Agent基准上远超V4-Pro-Preview，释放了一个明确信号——后训练时代的竞争焦点，已经从模型规模转向了Agent能力的深度优化。

当AI能够熟练地操作终端、分析代码仓库、进行网络安全对抗、完成全栈开发任务时，我们或许正在见证一个新时代的开启：AI不再只是代码助手，而是成为了真正的AI工程师。

而DeepSeek，正在这条路上跑在最前面。

本文来自微信公众号“CSDN”，整理：梦依丹，36氪经授权发布。