DeepSeek-V4-Flash 正式上線：Agent 能力反超自家長尺寸 Pro 版

DeepSeek-V4-Flash-0731 是 DeepSeek 正式開源的輕量級大模型，取代了之前的預覽版，主打大幅強化的 Agent 互動和程式碼執行能力。

這個版本最關鍵的變化是僅通過後訓練，就把小尺寸模型的智慧拉到了新高度。它在結構上集成了 DSpark 投機解碼模組，草稿權重和目標權重來自同一個模型檢查點，不需要掛載額外的草稿模型，就能直接拉高吞吐量。

小尺寸反超大模型

根據官方公佈的測試成績，V4-Flash 在啟用引數量遠小於自家 V4-Pro 預覽版的情況下，在九項 Agent 基準上實現了全面反超。

在終端操作評測 Terminal Bench 2.1 中，它拿到 82.7 分，不僅高於上一代 V4-Flash 預覽版的 61.8 和 V4-Pro 預覽版的 72.1，還壓過了 GLM-5.2 的 81.0，緊追 Opus 4.8 的 85.0。

在程式碼開發評測 DeepSWE 上，新模型跑出 54.4 分，遠超 V4-Pro 預覽版的 12.8 分；而在 Toolathlon-Verified 工具呼叫測試中，得分達到 70.3 分，同樣超過了 GLM-5.2 的 59.9。

社群評測指出，V4-Flash 的體積比 GLM-5.2 小大約 70%。在效能緊咬前沿閉源模型的同時，按官方給出的 token 價格估算，輸出成本比 Opus 4.8 便宜了 89 倍甚至近百倍。

另外，針對 Codex 的官方適配也已經做好，甚至一併配好了 Codex 自帶的系統提示詞，支援原生一條命令接入。

怎麼跑起來與硬體門檻

整個模型完整權重檔案在 Hugging Face 上約為 167GB，開源社群 Unsloth 已經迅速推出了量化 GGUF 版本，其中最小的 1-bit 版本壓縮到了 82.5GB 左右。

本地部署和企業服務方面，vLLM 和 SGLang 均已提供原生適配。只要在啟動命令中加上投機配置引數，就能開啟 DSpark 加速。

在官方示例中，單臺配備 4 張 GB300 的節點就可以通過 vLLM 順暢執行。SGLang 同樣支援張量並行設定，配合 FlashInfer 後端直接啟用 DSpark，無需單獨指定草稿模型路徑。

需要注意的是，這次釋出沒有帶 Jinja 格式的聊天模板，而是提供了獨立的 encoding 資料夾和 Python 指令碼，展示如何編碼 OpenAI 格式訊息以及解析文本輸出。

模型新增了 low、high 和 max 三檔思考深度引數。官方建議在 Agent 場景下將取樣溫度設為 1.0、top_p 設為 0.95，在高思考檔位下最大輸出長度推薦設為 384K tokens。

為什麼重要

如果你正在搭建自己的自動化 Agent 或者本地寫程式碼助手，現在完全值得換上 V4-Flash 試一試。它把過去只能在百億以上高成本閉源模型裡跑通的複雜終端呼叫，壓進了單機可跑的開源尺寸裡。

我們認為這一步最大的價值在於價效比。它打破了引數規模等於能力的死板邏輯，證明靠精細後訓練和架構內建投機解碼，小模型也能成為高智力勞動力，直接把頂尖 Agent 呼叫的門檻打到了地板上。