DeepSeek-V4-Flash 正式上线：Agent 能力反超自家长尺寸 Pro 版

DeepSeek-V4-Flash-0731 是 DeepSeek 正式开源的轻量级大模型，取代了之前的预览版，主打大幅强化的 Agent 交互和代码执行能力。

这个版本最关键的变化是仅通过后训练，就把小尺寸模型的智能拉到了新高度。它在结构上集成了 DSpark 投机解码模块，草稿权重和目标权重来自同一个模型检查点，不需要挂载额外的草稿模型，就能直接拉高吞吐量。

小尺寸反超大模型

根据官方公布的测试成绩，V4-Flash 在激活参数量远小于自家 V4-Pro 预览版的情况下，在九项 Agent 基准上实现了全面反超。

在终端操作评测 Terminal Bench 2.1 中，它拿到 82.7 分，不仅高于上一代 V4-Flash 预览版的 61.8 和 V4-Pro 预览版的 72.1，还压过了 GLM-5.2 的 81.0，紧追 Opus 4.8 的 85.0。

在代码开发评测 DeepSWE 上，新模型跑出 54.4 分，远超 V4-Pro 预览版的 12.8 分；而在 Toolathlon-Verified 工具调用测试中，得分达到 70.3 分，同样超过了 GLM-5.2 的 59.9。

社区评测指出，V4-Flash 的体积比 GLM-5.2 小大约 70%。在性能紧咬前沿闭源模型的同时，按官方给出的 token 价格估算，输出成本比 Opus 4.8 便宜了 89 倍甚至近百倍。

另外，针对 Codex 的官方适配也已经做好，甚至一并配好了 Codex 自带的系统提示词，支持原生一条命令接入。

怎么跑起来与硬件门槛

整个模型完整权重文件在 Hugging Face 上约为 167GB，开源社区 Unsloth 已经迅速推出了量化 GGUF 版本，其中最小的 1-bit 版本压缩到了 82.5GB 左右。

本地部署和企业服务方面，vLLM 和 SGLang 均已提供原生适配。只要在启动命令中加上投机配置参数，就能开启 DSpark 加速。

在官方示例中，单台配备 4 张 GB300 的节点就可以通过 vLLM 顺畅运行。SGLang 同样支持张量并行设置，配合 FlashInfer 后端直接启用 DSpark，无需单独指定草稿模型路径。

需要注意的是，这次发布没有带 Jinja 格式的聊天模板，而是提供了独立的 encoding 文件夹和 Python 脚本，展示如何编码 OpenAI 格式消息以及解析文本输出。

模型新增了 low、high 和 max 三档思考深度参数。官方建议在 Agent 场景下将采样温度设为 1.0、top_p 设为 0.95，在高思考档位下最大输出长度推荐设为 384K tokens。

为什么重要

如果你正在搭建自己的自动化 Agent 或者本地写代码助手，现在完全值得换上 V4-Flash 试一试。它把过去只能在百亿以上高成本闭源模型里跑通的复杂终端调用，压进了单机可跑的开源尺寸里。

我们认为这一步最大的价值在于性价比。它打破了参数规模等于能力的死板逻辑，证明靠精细后训练和架构内置投机解码，小模型也能成为高智力劳动力，直接把顶尖 Agent 调用的门槛打到了地板上。