9 项基准飙升，DeepSeek V4 只做了这一件事
目录
7 月 31 日，DeepSeek 悄悄更新了 V4-Flash 正式版。
没有发布会，没有大新闻，更新日志就几行字。但懂行的人一看就明白：这次更新不简单。
模型结构没动，参数没动，上下文还是 1M。唯一变的，是 Agent 能力。
9 项 Agent 基准测试全线飙升，多项成绩反超 V4-Pro-Preview。一个"轻量版"打过了"重量版"，这在模型圈可不常见。
为什么架构没变，能力却大涨？
先看数据。Terminal Bench 2.1 拿了 82.7，DeepSWE 54.4，DSBench-FullStack 68.7。
这些测试和传统代码评测完全不同。传统测试只要求模型写一段代码，Agent 测试要求模型真正进入一个工作环境：读文件、理解代码仓库、调用终端、改程序、跑测试。它考验的不是"会不会写代码"，而是"能不能干活"。
关键在于：DeepSeek 只重新做了后训练
284B 总参、13B 激活的 MoE 结构，和 Preview 版一模一样。能力提升全部来自后训练和 Alignment 优化。
这传递了一个信号：当架构红利见顶，数据和方法论才是拉开差距的地方。同样的底座，用不同的训练策略，Agent 能力能差出一大截。
更值得注意的，是原生支持 Codex API 格式
现在用 DeepSeek V4-Flash 可以直接配置成 Codex 的后端。这意味着什么？开发者熟悉的工具链不用换，底层模型直接换成国产的。API 调用方式不变，模型名设为 deepseek-v4-flash 即可。
还有个细节：这次公测仅限 API
App 和网页端暂时用不上，官方说 V4-Pro 正式版会尽快发布。对开发者来说，API 先行的策略反而是好事——先让真正干活的人用上。
给想试试的你，落地三步
- 官方 API 申请 key，模型名填
deepseek-v4-flash - 想用 Codex 体验 Agent 能力，按官方脚本一键配置
- 跑几个 Agent 基准任务，感受下"能干活"和"会写码"的区别
架构没变，Agent 却强了一截。下一轮模型竞赛，比的或许不再是底座，而是谁能让模型真正"上手干活"。