剛剛，DeepSeek V4 系列更新，架構(gòu)沒變，Agent 能力為何大漲

本文作者：鄭佳美

2026-07-31 17:16

導(dǎo)語：后訓(xùn)練正成為大模型能力提升的新變量。

剛剛，DeepSeek V4 系列更新，架構(gòu)沒變，Agent 能力為何大漲

后訓(xùn)練正成為大模型能力提升的新變量。

作者丨鄭佳美

編輯丨馬曉寧

剛剛，DeepSeek 更新了 DeepSeek-V4-Flash。

官方把它稱為“正式版”，不過目前只是在 API 端上線公測。此次更新也只涉及 deepseek-v4-flash，V4-Pro API，以及 App 和網(wǎng)頁端當(dāng)前使用的模型，都沒有隨之更新。

但比起“正式版”這個(gè)名字，這次更新更值得關(guān)注的是另一句話：DeepSeek-V4-Flash-0731 與此前的 Preview 版本采用相同的模型結(jié)構(gòu)和參數(shù)規(guī)模，只重新進(jìn)行了后訓(xùn)練。

沒有換架構(gòu)，為什么能力還能提升？

大模型的訓(xùn)練其實(shí)可以被簡單分成兩個(gè)階段。

第一個(gè)階段是預(yù)訓(xùn)練。模型通過大量文本和代碼學(xué)習(xí)知識，形成基礎(chǔ)能力。這個(gè)階段決定了模型大致有多聰明、知道多少東西。

第二個(gè)階段是后訓(xùn)練。它更像是針對具體工作進(jìn)行專項(xiàng)訓(xùn)練，讓模型學(xué)會怎樣回答問題、怎樣調(diào)用工具，以及怎樣按照要求完成任務(wù)。

這次 DeepSeek 沒有重新設(shè)計(jì)模型架構(gòu)，也沒有擴(kuò)大參數(shù)規(guī)模，而是在原有模型上重新進(jìn)行后訓(xùn)練。模型的結(jié)構(gòu)沒有變化，但內(nèi)部權(quán)重和行為方式會發(fā)生變化。

這有點(diǎn)像同一輛車沒有更換發(fā)動機(jī)，卻重新調(diào)整了變速箱、控制系統(tǒng)和駕駛策略。車本身沒有變大，但在特定道路上的表現(xiàn)可能明顯改善。

不過，DeepSeek 并沒有公布這次后訓(xùn)練具體使用了哪些數(shù)據(jù)、獎勵(lì)方法和訓(xùn)練流程。因此，目前只能確定它重新做了后訓(xùn)練，不能進(jìn)一步斷言性能提升究竟來自哪一種技術(shù)。

提升主要指向 Agent 能力

根據(jù) DeepSeek 公布的結(jié)果，新版 V4-Flash 在 Terminal Bench 2.1 上獲得 82.7，在 DeepSWE 上獲得 54.4，在 DSBench-FullStack 上獲得 68.7。

這些測試和傳統(tǒng)的代碼補(bǔ)全不同。傳統(tǒng)代碼測試通常只要求模型寫出一段代碼，而 Agent 測試要求模型真正進(jìn)入一個(gè)工作環(huán)境。它需要讀取文件、理解代碼倉庫、調(diào)用終端、修改程序、運(yùn)行測試，再根據(jù)報(bào)錯(cuò)繼續(xù)處理。

也就是說，模型不只是要知道答案，還要連續(xù)完成多個(gè)步驟。

不過，這些成績也不能完全理解成模型自身的單獨(dú)能力。DeepSeek 明確說明，部分代碼 Agent 測試使用了尚未公開的 DeepSeek Harness，并采用了較高的推理檔位；DSBench-FullStack 和 DSBench-Hard 還是 DeepSeek 自己的內(nèi)部測試集。

因此，更準(zhǔn)確的說法是：V4-Flash-0731 在 DeepSeek 公布的 Agent 運(yùn)行環(huán)境中取得了明顯提升，但它在第三方框架中的實(shí)際表現(xiàn)，還需要更多獨(dú)立測試。

Responses API 解決的是接入問題

此次更新還有一個(gè)重要變化：V4-Flash 開始原生支持 Responses API，并針對 Codex 進(jìn)行了適配。

Responses API 可以理解為一套更適合 Agent 的通信接口。它可以更統(tǒng)一地處理模型回復(fù)、推理狀態(tài)、工具調(diào)用和執(zhí)行結(jié)果。

它本身不會讓模型突然變得更聰明，但可以減少模型接入 Codex 等 Agent 工具時(shí)的適配工作，讓開發(fā)者更容易把模型放進(jìn)真實(shí)的軟件開發(fā)流程。雷峰網(wǎng)

所以，這次更新其實(shí)包含兩部分：一部分是重新后訓(xùn)練后的模型權(quán)重，另一部分是更適合 Agent 使用的接口和運(yùn)行環(huán)境。

最終成績由模型、推理預(yù)算、工具環(huán)境和 Agent 框架共同決定，很難只歸功于其中某一項(xiàng)。

這次更新真正值得關(guān)注的是什么？

目前可以確定的是，DeepSeek 在沒有改變 V4-Flash 模型結(jié)構(gòu)和參數(shù)規(guī)模的情況下，通過重新后訓(xùn)練提高了官方 Agent 基準(zhǔn)成績，同時(shí)增強(qiáng)了對 Responses API 和 Codex 工作流的支持。

但現(xiàn)階段還不能直接得出后訓(xùn)練已經(jīng)可以替代模型擴(kuò)容或者V4-Flash 已經(jīng)全面領(lǐng)先其他 Agent 模型這樣的結(jié)論。

一方面，V4-Flash-0731 的具體后訓(xùn)練變化尚未公開；另一方面，官方部分測試所使用的 Harness 和內(nèi)部數(shù)據(jù)集還不具備完整的外部復(fù)現(xiàn)條件。

所以，這次更新不適合簡單總結(jié)為DeepSeek 又發(fā)布了一個(gè)更強(qiáng)的模型。更準(zhǔn)確的理解是，DeepSeek 正在驗(yàn)證一條更加務(wù)實(shí)的技術(shù)路線：當(dāng)模型結(jié)構(gòu)和參數(shù)規(guī)模保持不變時(shí)，能否通過重新后訓(xùn)練、工具接口適配和 Agent 運(yùn)行框架，進(jìn)一步提高模型完成真實(shí)任務(wù)的能力。雷峰網(wǎng)(公眾號：雷峰網(wǎng))

DeepSeek 已經(jīng)給出了官方成績，但這條路線究竟能帶來多大的實(shí)際提升，還要等待更多訓(xùn)練細(xì)節(jié)、公開工具和第三方測試。