7月31日，DeepSeek正式开放V4-Flash正式版API公测。这个总参数2840亿、激活参数仅130亿的”轻量级”模型，仅靠重新后训练，就在9项Agent基准测试中多项超越3个月前发布的V4-Pro预览版——后者总参数1.6万亿，激活参数490亿，体量是它的近6倍。
9项基准全面披露：Flash版Agent能力反超Pro预览版
DeepSeek这次没有藏着掖着，直接亮出了9项基准测试的完整成绩单。最引人注目的是Terminal Bench 2.1——V4-Flash正式版拿到82.7分，而三个月前发布的V4-Pro预览版在Terminal Bench 2.0上仅得67.9分。需要说明的是，两个版本的测试集不完全相同，直接对比并不完全公平，但一个激活参数仅130亿的轻量版跑出这样的分数，已经足以说明问题。
其他核心指标同样亮眼：Cybergym网络安全对抗76.7分，DSBench-FullStack全栈开发68.7分，DSBench-Hard难题测试59.6分，NL2Repo代码仓库分析54.2分，Toolathlon verified工具调用70.3分。这些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”。从终端操作、代码仓库分析到网络安全对抗和全栈开发，V4-Flash展现出了”全能Agent”的潜质。
底座没换，变的是”后天教育”
整个事件中最值得关注的细节是：DeepSeek-V4-Flash-0731的模型结构、尺寸与Preview版完全一致，官方明确表示”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”。
这组对比数据极具冲击力：V4-Flash总参数2840亿、激活参数130亿；V4-Pro总参数1.6万亿、激活参数490亿。两者在模型规模上相差一个数量级。如果Flash能通过后训练把Agent能力拉到接近甚至超越Pro预览版的水平，意味着对于特定任务而言，模型规模并非决定性因素，训练方法和数据质量的权重正在上升。
DeepSeek还同步亮相了DeepSeek Harness极简模式——一个即将独立发布的Agent测试框架，此次随成绩一同公布。正式版同时原生支持Responses API格式，并针对性适配了Codex工作流，开发者迁移成本进一步降低。目前公测仅限API，App和网页端暂未更新，V4-Pro正式版”将尽快发布”。
同日OpenAI降价80%：效率革命共振
就在DeepSeek发布V4-Flash正式版的同一天，OpenAI宣布大幅下调两款最新模型价格。GPT-5.6 Luna降价80%，输入价格降至0.2美元/百万token，输出1.2美元/百万token；GPT-5.6 Terra降价20%，新定价为输入2美元、输出12美元/百万token。而这两款模型7月9日才公开发布，距今仅三周。
OpenAI降价的直接压力来自两方面：一是企业客户对AI账单愈发敏感，部分公司相关支出已达数十亿美元级别；二是开源权重模型快速崛起。月之暗面本月发布的开源模型Kimi K3在某些任务上已可媲美美国领先模型，促使硅谷迅速反应。Anthropic推出Claude Opus 5，性能与Fable 5相当但价格减半；谷歌也发布三款以成本优势为核心卖点的新模型，其中Gemini 3.6 Flash单次任务成本号称低于Kimi K3。
Thinking Machines同日甩出Inkling-Small：以小博大成趋势
同样在7月31日，Thinking Machines发布了第二款模型Inkling-Small——2760亿总参数、120亿激活参数的MoE架构模型，体量仅为半个月前发布的初代975B Inkling的四分之一。但就是这个”小个子”，在数学、推理、智能体编码和多模态基准上全面超越老大哥，在ARC-AGI-2上刷新开源SOTA。
剧情本身也足够戏剧化：联合创始人翁荔官宣离职仅两天，OpenAI便证实她回归带队”递归自我提升”项目。结果第三天，这家刚失去一位核心大将的公司直接把Inkling-Small的全量权重甩了出来。官方透露，关键在于预训练数据配比改进和后训练配方精炼——与DeepSeek的策略如出一辙。
后训练效率时代已经到来
7月31日的三条新闻指向同一结论：AI竞争的核心杠杆正从”堆参数”转向”练后训练”。当130亿激活参数可以叫板万亿模型，当OpenAI三周内降价80%，当四分之一体量的开源模型反超初代——后训练阶段的优化空间，可能比单纯扩大模型规模更具杠杆效应。
对开发者和企业而言，这意味着两件事：一是选模型不再只看参数量，后训练质量才是真正的分水岭；二是Token价格将持续下行，AI部署的边际成本正在快速趋近于零。DeepSeek已经在这条路上跑在了前面，V4-Pro正式版的表现无疑更值得期待。
