同一副骨架，重新练了一遍，成绩直接翻倍。这不是升级，是把"越大越强"这条铁律当面撕了。
你公司要上一套 AI 编程助手，预算卡得死。按老逻辑，你得买最贵的那个——参数大、名声响。7 月 31 日 DeepSeek 把 V4-Flash 正式版 API 放出来公测，干了一件反直觉的事：这个"小模型"（激活参数 130 亿）在 Agent 能力上，把自家还没正式发布的"大模型"V4-Pro 预览版按在地上摩擦。
数字摆出来，自己看
V4-Flash-0731 的模型结构和 4 月预览版完全一致——总参数 2840 亿，激活参数 130 亿，没多一个参数。变的是后训练。结果：
- Terminal-Bench 2.1（终端操作）：82.7%，比 4 月预览版的 61.8% 涨了 20 多个点，也超过了 V4-Pro 预览版的 72.1%。
- Cybergym（网络安全攻防模拟）：76.7%
- Toolathlon Verified（工具调用综合）：70.3%
- DSBench-FullStack（全栈开发）：68.7%；DSBench-Hard（高难度编码）：59.6%
翻译成人话：一个激活参数只有 130 亿的模型，干自主写代码、调工具、跑终端的活儿，比自家 490 亿激活的 Pro 预览版还猛。这在过去是违背常识的——大家默认"大模型干难活"。DeepSeek 用一套后训练策略证明：同样的肉身，练法对了，表现能质变大跨越。
价格才是真正的杀招
性能反超就算了，定价才是让闭源同行坐不住的地方：
输入 0.14 美元 / 百万 token，输出 0.28 美元 / 百万 token。缓存命中价降到 0.0028 美元，相当于打 98 折里的骨折——1 折都不到。
对比一下：Anthropic 的 Fable 5 输出价是 50 美元 / 百万 token。DeepSeek 用不到对方 0.6% 的价格，给出了"接近前沿"的 Agent 能力。一个中小型团队如果用 Flash 跑客服、跑代码审查、跑数据 pipeline，每月成本可能从几千刀压到几十刀。MIT 开源权重也即将上 HuggingFace——想自己部署也行。
泼盆冷水：别高兴太早
几个坑得说清楚：
第一，公测只限 API。你手机里的 DeepSeek App、网页端，暂时用不上这套新能力。想体验得走接口，对纯 C 端用户没感知。
第二，V4-Pro 正式版推迟到 8 月 10–20 日。DeepSeek 在等自家的 Harness 编程工具做完封闭测试——说明他们把"生产级可靠"看得比"抢发榜"重。但这也意味着，真要冲最难的自主编程，还得等 Pro。
第三，旧接口要退休。legacy 的 deepseek-chat 和 deepseek-reasoner 端点已弃用，迁移截止 2026 年 10 月 24 日。还在用老端点的公司，记得排期迁移。
第四，这波成绩是"后训练缩放"的样本，不是免费午餐。它证明方向对，不代表你拿个开源权重就能复现——DeepSeek 的研究人才和训练方法论才是护城河，中小团队抄不来。
跟你有啥关系
如果你是开发者或技术负责人：Flash 正式版是今年性价比最高的 Agent 底座之一，先接 API 跑通内部工具链（客服、代码审查、数据清洗），别急着囤卡。等 Pro GA 再评估最难的自主编程场景。
如果你是中小团队老板：这条新闻的本质是"前沿能力的单价被打下来了"。以前只有大厂用得起的自主 Agent，现在小团队用几十刀月费就能试。先想清楚你公司哪三个重复活儿最费人，拿 Flash 跑一遍。
如果你看 AI 行业：参数竞赛可能正在让位给"后训练竞赛"。当 130 亿激活的模型能干 490 亿激活的活儿，堆参数的边际收益在下降，练法的权重在上升——这对算力紧、人才强的团队是结构性利好。
DeepSeek 用一份成绩单说了一句话：下一步的前沿，不在更大的模型里，在更聪明的训练里。