V4 PRO正式版跨度七个月，DeepSeek能否在编程智能体赛道一鸣惊人。
据凤凰网报道，7月31日，DeepSeek V4 Flash正式版API上线公测。
此次发布的模型版本号为V4-Flash-0731，总参数量284B，激活参数13B，采用MoE架构，支持100万token上下文。
和4月发布的预览版相比，模型结构与参数规模完全一致，仅重新进行了后训练。
根据官方公布的基准测试数据，Flash正式版在九项Agent评测中均超过了4月发布的V4-Pro预览版。
其中，面向真实软件工程任务的DeepSWE得分从Flash预览版的7.3升至正式版的54.4。
终端操作测试Terminal Bench 2.1得分为82.7，在已公布成绩的模型中仅次于Opus 4.8的85.0，高于GLM-5.2的81.0和V4-Pro预览版的72.1。
网络安全攻防模拟Cybergym从38.7升至76.7。工具调用综合测试Toolathlon-Verified从49.7升至70.3。
Artificial Analysis智能指数评估中，Flash正式版最高推理档位得分为50，同类可比模型的中位数为17。
与此同步亮相的还有AI Agent评测框架DeepSeek Harness极简模式。官方更新日志注明，本次公开基准测试中的Code Agent任务均使用该框架运行，参数设置为max档位。
据报道，此次升级仅涉及Flash的API接口。网页端、App端及V4-Pro API均未更新。对于DeepSeek V4 Pro正式版，官方表述为“将尽快发布”。
01 DeepSeek V4跨度已近七个月
梳理DeepSeek V4发布消息来看，今年的一月、三月、六月、七月都曾传出正式版本发布的消息，但均未能如期面市。其中最近一次传出消息是在7月28日，当时有媒体曝出，DeepSeek自研编程工具Harness正在筹备封闭测试，首批测试者将从报名问卷中遴选。
报道同时披露，Harness内测完成后约一到两周，V4 正式版才会正式开放，按此推算窗口期落在8月10日至20日之间。如果8月10日至20日这一窗口属实，V4版本从首次传出发布消息到正式落地，前后跨度将超过7个月。
本次V4 Flash正式版的性能成绩在客观上也拉高了市场对Pro正式版本的预期。对比来看，Flash的总参数量284B（2840亿），激活参数13B（约130亿），Pro总参数量1.6T（1.6万亿），激活参数49B（约490亿），两者参数数量差距显著。
而且在性能表现上，在评估 AI Agent 在终端环境中自主规划、执行多步命令行任务及错误恢复能力的基准测试Terminal Bench 2.1测算环节，V4 Flash正式版得分82.7，此前Pro预览版得分72.1。在Pro正式版的定价和产品定位均高于Flash的背景下，其在Flash性能基础上有多少可量化的提升成为市场关注的焦点。
02 DeepSeek在等什么
Flash正式版此次公布的数据中，Agent能力是升级的核心方向。根据官方基准测试，Flash在Terminal Bench 2.1中取得82.7分，DeepSWE从7.3升至54.4，九项Agent评测全面超过Pro预览版。测试使用的框架为DeepSeek Harness极简模式，这是DeepSeek押注代码智能体后Harness首次以产品身份出现在官方公告中。
据公开报道显示，随着Anthropic旗下Claude Code的桌面端智能体编程产品火爆全球，DeepSeek内部也于2026年3月组建名为Harness的代码智能体团队，遵循“Model + Harness = Agent”原则，其中Harness被定义为连接大模型与智能体产品的“模型驾驭层”。
2026年6月DeepSeek完成500亿元首轮外部融资后，Harness被明确列为核心投入方向，开启大规模招聘，并多次传出团队依然缺人的消息。而在7月23日，梁文锋在闭门投资者会议上已经明确了优先级——核心聚焦Coding Agent。
从产品形态看，Harness要实现的是能够进入终端、理解项目结构、读写文件、执行命令、自主修复错误并管理版本控制的完整工程智能体，这与DeepSeek过去以模型权重开源为核心的路线构成了明显的战略延伸，被认为是从提供“大脑”转向提供“大脑加双手”。
需要注意的是，在DeepSeek做出押注代码智能体判断并投入资源的窗口期，同样的判断被整个行业以更快的速度执行验证。
海外市场，OpenAI在编程赛道上用半年时间完成了一场从溃败到反攻的全过程。2025年9月，其编程工具Codex的使用量仅为Claude Code的约百分之五。公司总裁Greg Brockman后来公开承认“吸取教训太晚”。
此后OpenAI将Codex嵌入ChatGPT桌面端和移动端，借助数亿用户基础快速铺开，并推出从Claude Code一键迁移的功能。到2026年7月，Codex周活跃用户已突破八百万。Flash正式版上线的同一天，OpenAI宣布GPT-5.6 Luna降价百分之八十。
中国市场在同期同样竞争激烈。阿里Qoder在IDC 2025年中国AI编程工具市场报告中以47.6%的份额排在首位。2月，阿里云百炼将Coding Plan定价拉至七块九一个月，随后九家平台跟进，市场上出现二十八款不同定价的套餐；智谱的GLM Coding Plan全球付费开发者超过二十四万；字节TRAE从IDE扩展为全平台工具并开源Agent工具包；Kimi K3登顶Arena AI Code榜首。
资本市场对赛道的投入同样迅速。6月，SpaceX以六百亿美元全股票交易收购 AI 原生代码编辑器Cursor的母公司Anysphere；全球首个“完全自主的 AI 软件工程师”Devin的母公司Cognition同月完成超十亿美元融资，估值约两百六十亿美元；编程工具Windsurf被Google、Cognition和OpenAI三方竞价拆分——Google以约二十四亿美元获得核心技术及创始团队，Cognition接手产品和客户。多家头部公司在同一窗口期内竞价一个编程工具，表明资本已将编程Agent视为独立赛道进行定价。
对于DeepSeek而言，赛道内的竞争压力已经不言而喻。过去一年的编程智能体市场不断抬高入场门槛，这意味着Harness起步越晚，它要面对的产品差距、渠道差距和用户习惯差距就越大。
所以，即使在V4 Flash正式版已经证明了其模型底座和后训练方法已经具备了竞争力的情况下，DeepSeek对放出Harness这件事上，依然非常谨慎。此前Harness内测保密协议中“泄密将影响日后DeepSeek各类模型、产品内测以及合作机会的入选”的条款，指向的既有对技术的保护，也有对产品节奏的控制。
但不管怎样，随着V4 Flash正式版的发布，DeepSeek能否在编程智能体领域一鸣惊人，结果已经越来越临近了。
（本文配图、公开数据素材来源于网络及公开行业平台，如有侵权，敬请联系我方及时修改。）
原文标题 : V4 Flash跑分惊艳，但DeepSeek还没亮出底牌
V4 PRO正式版跨度七个月，DeepSeek能否在编程智能体赛道一鸣惊人。
据凤凰网报道，7月31日，DeepSeek V4 Flash正式版API上线公测。
此次发布的模型版本号为V4-Flash-0731，总参数量284B，激活参数13B，采用MoE架构，支持100万token上下文。
和4月发布的预览版相比，模型结构与参数规模完全一致，仅重新进行了后训练。
根据官方公布的基准测试数据，Flash正式版在九项Agent评测中均超过了4月发布的V4-Pro预览版。
其中，面向真实软件工程任务的DeepSWE得分从Flash预览版的7.3升至正式版的54.4。
终端操作测试Terminal Bench 2.1得分为82.7，在已公布成绩的模型中仅次于Opus 4.8的85.0，高于GLM-5.2的81.0和V4-Pro预览版的72.1。
网络安全攻防模拟Cybergym从38.7升至76.7。工具调用综合测试Toolathlon-Verified从49.7升至70.3。
Artificial Analysis智能指数评估中，Flash正式版最高推理档位得分为50，同类可比模型的中位数为17。
与此同步亮相的还有AI Agent评测框架DeepSeek Harness极简模式。官方更新日志注明，本次公开基准测试中的Code Agent任务均使用该框架运行，参数设置为max档位。
据报道，此次升级仅涉及Flash的API接口。网页端、App端及V4-Pro API均未更新。对于DeepSeek V4 Pro正式版，官方表述为“将尽快发布”。
01 DeepSeek V4跨度已近七个月
梳理DeepSeek V4发布消息来看，今年的一月、三月、六月、七月都曾传出正式版本发布的消息，但均未能如期面市。其中最近一次传出消息是在7月28日，当时有媒体曝出，DeepSeek自研编程工具Harness正在筹备封闭测试，首批测试者将从报名问卷中遴选。
报道同时披露，Harness内测完成后约一到两周，V4 正式版才会正式开放，按此推算窗口期落在8月10日至20日之间。如果8月10日至20日这一窗口属实，V4版本从首次传出发布消息到正式落地，前后跨度将超过7个月。
本次V4 Flash正式版的性能成绩在客观上也拉高了市场对Pro正式版本的预期。对比来看，Flash的总参数量284B（2840亿），激活参数13B（约130亿），Pro总参数量1.6T（1.6万亿），激活参数49B（约490亿），两者参数数量差距显著。
而且在性能表现上，在评估 AI Agent 在终端环境中自主规划、执行多步命令行任务及错误恢复能力的基准测试Terminal Bench 2.1测算环节，V4 Flash正式版得分82.7，此前Pro预览版得分72.1。在Pro正式版的定价和产品定位均高于Flash的背景下，其在Flash性能基础上有多少可量化的提升成为市场关注的焦点。
02 DeepSeek在等什么
Flash正式版此次公布的数据中，Agent能力是升级的核心方向。根据官方基准测试，Flash在Terminal Bench 2.1中取得82.7分，DeepSWE从7.3升至54.4，九项Agent评测全面超过Pro预览版。测试使用的框架为DeepSeek Harness极简模式，这是DeepSeek押注代码智能体后Harness首次以产品身份出现在官方公告中。
据公开报道显示，随着Anthropic旗下Claude Code的桌面端智能体编程产品火爆全球，DeepSeek内部也于2026年3月组建名为Harness的代码智能体团队，遵循“Model + Harness = Agent”原则，其中Harness被定义为连接大模型与智能体产品的“模型驾驭层”。
2026年6月DeepSeek完成500亿元首轮外部融资后，Harness被明确列为核心投入方向，开启大规模招聘，并多次传出团队依然缺人的消息。而在7月23日，梁文锋在闭门投资者会议上已经明确了优先级——核心聚焦Coding Agent。
从产品形态看，Harness要实现的是能够进入终端、理解项目结构、读写文件、执行命令、自主修复错误并管理版本控制的完整工程智能体，这与DeepSeek过去以模型权重开源为核心的路线构成了明显的战略延伸，被认为是从提供“大脑”转向提供“大脑加双手”。
需要注意的是，在DeepSeek做出押注代码智能体判断并投入资源的窗口期，同样的判断被整个行业以更快的速度执行验证。
海外市场，OpenAI在编程赛道上用半年时间完成了一场从溃败到反攻的全过程。2025年9月，其编程工具Codex的使用量仅为Claude Code的约百分之五。公司总裁Greg Brockman后来公开承认“吸取教训太晚”。
此后OpenAI将Codex嵌入ChatGPT桌面端和移动端，借助数亿用户基础快速铺开，并推出从Claude Code一键迁移的功能。到2026年7月，Codex周活跃用户已突破八百万。Flash正式版上线的同一天，OpenAI宣布GPT-5.6 Luna降价百分之八十。
中国市场在同期同样竞争激烈。阿里Qoder在IDC 2025年中国AI编程工具市场报告中以47.6%的份额排在首位。2月，阿里云百炼将Coding Plan定价拉至七块九一个月，随后九家平台跟进，市场上出现二十八款不同定价的套餐；智谱的GLM Coding Plan全球付费开发者超过二十四万；字节TRAE从IDE扩展为全平台工具并开源Agent工具包；Kimi K3登顶Arena AI Code榜首。
资本市场对赛道的投入同样迅速。6月，SpaceX以六百亿美元全股票交易收购 AI 原生代码编辑器Cursor的母公司Anysphere；全球首个“完全自主的 AI 软件工程师”Devin的母公司Cognition同月完成超十亿美元融资，估值约两百六十亿美元；编程工具Windsurf被Google、Cognition和OpenAI三方竞价拆分——Google以约二十四亿美元获得核心技术及创始团队，Cognition接手产品和客户。多家头部公司在同一窗口期内竞价一个编程工具，表明资本已将编程Agent视为独立赛道进行定价。
对于DeepSeek而言，赛道内的竞争压力已经不言而喻。过去一年的编程智能体市场不断抬高入场门槛，这意味着Harness起步越晚，它要面对的产品差距、渠道差距和用户习惯差距就越大。
所以，即使在V4 Flash正式版已经证明了其模型底座和后训练方法已经具备了竞争力的情况下，DeepSeek对放出Harness这件事上，依然非常谨慎。此前Harness内测保密协议中“泄密将影响日后DeepSeek各类模型、产品内测以及合作机会的入选”的条款，指向的既有对技术的保护，也有对产品节奏的控制。
但不管怎样，随着V4 Flash正式版的发布，DeepSeek能否在编程智能体领域一鸣惊人，结果已经越来越临近了。
（本文配图、公开数据素材来源于网络及公开行业平台，如有侵权，敬请联系我方及时修改。）
原文标题 : V4 Flash跑分惊艳，但DeepSeek还没亮出底牌
