DeepSeek又更新了，這次梁文鋒沒放大招｜進(jìn)擊的獨(dú)角獸

出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜視覺中國

這是進(jìn)擊的獨(dú)角獸第31篇，該系列關(guān)注月之暗面、智譜、MiniMax、階躍星辰、零一萬物、百川智能、面壁智能和DeepSeek共8家大模型獨(dú)角獸公司。

梁文鋒的熱度一直在AI圈的Top級(jí)，尤其是今年。

從V4預(yù)覽版發(fā)布，到后來的融資與IPO傳聞，再到一份流傳甚廣的四小時(shí)談話實(shí)錄，DeepSeek的每一次動(dòng)作，都能迅速成為行業(yè)話題。

7月31日下午，DeepSeek又更新了。

這次，DeepSeek只是在API文檔的更新日志里宣布，V4-Flash正式版API上線公測。

從“正式版”和“公測”兩個(gè)詞同時(shí)出現(xiàn)來看，這并不是V4的最終形態(tài)。DeepSeek也特意強(qiáng)調(diào)，本次更新只涉及V4-Flash的API，V4-Pro及App、Web端模型均未發(fā)生變化，V4-Pro正式版還要再等等。

但這次更新依然值得關(guān)注。

從最新版本來看，V4-Flash-0731沒有改變模型架構(gòu)和參數(shù)規(guī)模，只重新進(jìn)行了一次后訓(xùn)練。更新后，DeepSeek把幾乎所有篇幅都用來強(qiáng)調(diào)它在Agent，尤其是Code Agent上的進(jìn)步。

這意味著，V4-Flash并不是一次簡單的模型更新。

DeepSeek正在嘗試回答一個(gè)新的問題：到了Agent階段，一家公司最需要的，究竟是一個(gè)能力最強(qiáng)的模型，還是一個(gè)足夠強(qiáng)、足夠快，也足夠便宜的模型？

這一次，DeepSeek沒有繼續(xù)堆參數(shù)

V4-Flash并不是7月31日才第一次出現(xiàn)。

4月24日，DeepSeek發(fā)布V4預(yù)覽版時(shí)，已經(jīng)同時(shí)推出V4-Pro和V4-Flash。兩者都是MoE模型，但體量差距明顯：V4-Pro擁有1.6萬億總參數(shù)，每次推理激活49B參數(shù)；V4-Flash擁有284B總參數(shù)，每次只激活13B參數(shù)。兩款模型均支持100萬Token上下文。

在DeepSeek的定位里，Pro負(fù)責(zé)能力上限，F(xiàn)lash負(fù)責(zé)效率。

參數(shù)規(guī)模更大的V4-Pro，在世界知識(shí)以及高難度Agent任務(wù)上表現(xiàn)更好；V4-Flash則可以通過增加思考預(yù)算，在部分推理任務(wù)上接近Pro。換句話說，F(xiàn)lash犧牲了一部分知識(shí)容量，卻用更小的激活參數(shù)換來了速度和成本。

7月31日的更新沒有改變這套架構(gòu)。

DeepSeek明確表示，V4-Flash-0731與預(yù)覽版的模型結(jié)構(gòu)、尺寸完全一致，僅重新進(jìn)行了后訓(xùn)練。

但就是這次后訓(xùn)練，讓V4-Flash的Agent能力出現(xiàn)了明顯變化。

按照DeepSeek公布的結(jié)果，V4-Flash-0731在Terminal Bench 2.1上達(dá)到82.7，在NL2Repo上達(dá)到54.2，在DeepSWE上達(dá)到54.4，在Toolathlon Verified上達(dá)到70.3。DeepSeek稱，這些結(jié)果已經(jīng)大幅超過V4-Pro預(yù)覽版。

這件事的意義在于，DeepSeek沒有通過增加參數(shù)和重新預(yù)訓(xùn)練，來提高模型的Agent能力。

用通俗的話來講就是，DeepSeek雖然繼續(xù)在追求AGI，但是并沒有通過一味地增加參數(shù)來實(shí)現(xiàn)這件事情，而是讓模型學(xué)會(huì)更好地拆解任務(wù)、調(diào)用工具、執(zhí)行代碼，并在更長的任務(wù)軌跡中減少錯(cuò)誤。

過去，大模型公司的主要競爭發(fā)生在預(yù)訓(xùn)練階段。誰有更多算力、更多數(shù)據(jù)，誰就有機(jī)會(huì)訓(xùn)練出參數(shù)更大、知識(shí)更多的模型。但進(jìn)入Agent階段后，模型能力不再完全由預(yù)訓(xùn)練決定。

一個(gè)模型會(huì)不會(huì)使用終端，能不能在數(shù)百次交互中維持任務(wù)狀態(tài)，遇到錯(cuò)誤后能否修正，以及是否知道什么時(shí)候應(yīng)該調(diào)用什么工具，這些能力越來越依賴后訓(xùn)練、強(qiáng)化學(xué)習(xí)和模型外部的執(zhí)行框架。

V4-Flash的變化，恰好說明了這一點(diǎn)。

這也是為什么，DeepSeek這次除了更新模型，還原生支持了Responses API，并專門適配Codex。同時(shí)，DeepSeek在測試Code Agent任務(wù)時(shí)，使用了尚未正式發(fā)布的DeepSeek Harness minimal mode。

換句話說，這些Agent成績不完全屬于模型本身，而是屬于“模型、推理預(yù)算與Harness”共同組成的系統(tǒng)。

這當(dāng)然也意味著，目前公布的數(shù)據(jù)仍需謹(jǐn)慎看待。

一方面，部分結(jié)果來自DeepSeek內(nèi)部測試集；另一方面，DeepSeek Harness尚未公開，外界還無法在完全相同的環(huán)境下復(fù)現(xiàn)這些成績。正式版V4-Flash究竟比預(yù)覽版進(jìn)步了多少，還需要等待獨(dú)立評(píng)測以及真實(shí)開發(fā)場景驗(yàn)證。

但至少從這次更新可以看出，DeepSeek正在從只提供模型和API，向Agent所需要的執(zhí)行環(huán)境多走一步。

但DeepSeek目前還沒有親自做一個(gè)完整的Agent產(chǎn)品，卻開始提供讓模型進(jìn)入Agent工作流所必需的接口、適配和Harness。

這是一種非常克制的產(chǎn)品化。

為什么是Flash？

既然V4-Pro的能力上限更高，DeepSeek為什么不先更新Pro？

最直接的原因是，Agent并不是一次模型調(diào)用。

在聊天機(jī)器人階段，用戶提出一個(gè)問題，模型生成一次答案，一次交互就結(jié)束了。但在Agent任務(wù)里，模型需要先理解目標(biāo)，再拆解任務(wù)、檢索信息、調(diào)用工具、讀取結(jié)果、修正錯(cuò)誤，最后完成交付。

一個(gè)復(fù)雜任務(wù)，可能包含幾十次甚至數(shù)百次模型調(diào)用。

這時(shí)，模型單次推理增加的成本和延遲，會(huì)在整個(gè)任務(wù)軌跡中被不斷放大。一個(gè)能力更強(qiáng)、但速度更慢、成本更高的模型，未必能帶來更好的實(shí)際結(jié)果。

Agent真正需要的，往往不是每一步都調(diào)用能力最強(qiáng)的模型，而是在絕大多數(shù)步驟中，使用一個(gè)能力足夠、價(jià)格更低、響應(yīng)更快的模型。

這正是V4-Flash的價(jià)值。

根據(jù)DeepSeek技術(shù)報(bào)告，在100萬Token上下文下，V4-Flash單Token推理所需的計(jì)算量，約為V3.2的10%，KV Cache則約為V3.2的7%。它的總參數(shù)只有V4-Pro的約六分之一，每次激活參數(shù)也只有Pro的約四分之一。

這種差距最終也體現(xiàn)在API定價(jià)上。

目前，V4-Flash每百萬Token未命中緩存的輸入價(jià)格為1元，輸出價(jià)格為2元；V4-Pro分別為3元和6元。V4-Flash的并發(fā)限制為2500，Pro則為500。Responses API目前也只有V4-Flash支持，V4-Pro預(yù)計(jì)到8月初才會(huì)接入。

在V4的產(chǎn)品體系里，Pro負(fù)責(zé)證明DeepSeek的模型能力能夠達(dá)到什么位置，F(xiàn)lash則負(fù)責(zé)承擔(dān)真正高頻、長鏈條的Agent任務(wù)。前者是能力模型，后者更像生產(chǎn)模型。

梁文鋒曾在內(nèi)部公開說道，“模型應(yīng)該放在相同成本下比較；在現(xiàn)階段，Coding Agent的優(yōu)先級(jí)高于其他垂直Agent。”

從這個(gè)角度來看，V4-Flash此次更新的方向，確實(shí)與這兩個(gè)判斷形成了呼應(yīng)。

DeepSeek沒有選擇通過擴(kuò)大參數(shù)，讓Flash在所有能力上追上Pro；它選擇在模型架構(gòu)不變的情況下，通過后訓(xùn)練和Agent框架，提高Flash完成真實(shí)任務(wù)的能力。

這背后是一種更現(xiàn)實(shí)的計(jì)算。

如果Agent最終要進(jìn)入企業(yè)和開發(fā)者的日常工作流，那么決定模型能否被大規(guī)模使用的，不只是Benchmark，而是完成一個(gè)任務(wù)需要多少時(shí)間、消耗多少Token，以及最終成功率是多少。

不過，這也是V4-Flash目前最需要證明的地方。

DeepSeek公布的Agent成績大多使用Max reasoning effort完成。更高的思考強(qiáng)度通常意味著更長的推理過程和更多Token消耗。一個(gè)模型每百萬Token的價(jià)格很低，不等于完成一項(xiàng)任務(wù)的總成本一定更低。

如果V4-Flash需要消耗更多Token才能達(dá)到接近Pro的效果，那么它在單價(jià)上的優(yōu)勢，可能會(huì)被更長的任務(wù)軌跡部分抵消。

因此，真正有價(jià)值的對(duì)比，不是V4-Flash在某一項(xiàng)Benchmark上超過了誰，而是在完成同一個(gè)Agent任務(wù)時(shí)，它與V4-Pro、Kimi、GLM以及閉源模型分別需要多少Token、多少時(shí)間和多少次重試。

DeepSeek暫時(shí)還沒有給出這個(gè)答案。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4879740.html?f=wyxwapp