Hacker News 中文摘要

RSS订阅

DeepSeek-V4-Flash 更新 -- DeepSeek-V4-Flash Update

原文链接 | HN讨论 | 2026-07-31 15:57:24

文章摘要

DeepSeek-V4-Flash API进入公开测试，调用方式不变，只需将模型名设为deepseek-v4-flash。该版本显著增强了智能体能力，多项基准测试结果远超V4-Pro-Preview，并原生支持Responses API格式及Codex适配。

文章总结

2026年7月31日

DeepSeek-V4-Flash 更新

DeepSeek-V4-Flash API 现已正式进入公开测试阶段。API 调用方式保持不变，只需将模型名称设置为 deepseek-v4-flash 即可使用最新版本。

智能体能力显著增强，多项基准测试结果大幅超越 V4-Pro-Preview：

  • Terminal Bench 2.1：82.7
  • NL2Repo：54.2
  • Cybergym：76.7
  • DeepSWE：54.4
  • Toolathlon verified：70.3
  • Agent Last Exam：25.2
  • Automation Bench (Public)：25.1
  • DSBench-FullStack：68.7
  • DSBench-Hard：59.6

注1：官方 DeepSeek-V4-Flash 在公开基准测试的代码智能体任务中，采用即将发布的 DeepSeek Harness 最小模式作为框架，使用最大努力级别，top_p=0.95，temperature=1.0。

注2：DSBench-FullStack 为内部全栈开发测试集，DSBench-Hard 为内部编码智能体难题测试集。

官方 V4-Flash 原生支持 Responses API 格式，并专门适配了 Codex。具体配置请参考相关文档。

DeepSeek-V4-Flash-0731 保持与 DeepSeek-V4-Flash-Preview 相同的模型架构和规模，仅进行了重新后训练。

注意：本次更新仅升级了 DeepSeek-V4-Flash API，DeepSeek-V4-Pro API 及 APP/WEB 模型保持不变。

DeepSeek-V4-Pro 的正式版本即将发布。

2026年4月24日

DeepSeek-V4

DeepSeek API 现已支持 V4-Pro 和 V4-Flash，可通过 OpenAI ChatCompletions 接口和 Anthropic 接口使用。访问新模型时，base_url 保持不变，模型参数应设置为 deepseek-v4-pro 或 deepseek-v4-flash。

两个旧版 API 模型名称 deepseek-chat 和 deepseek-reasoner 将在三个月后（2026年7月24日）停止使用。在此期间，这两个模型名称分别指向 deepseek-v4-flash 的非思考模式和思考模式。

2025年12月1日

DeepSeek-V3.2

deepseek-chat 和 deepseek-reasoner 均已升级至 DeepSeek-V3.2。deepseek-chat 对应 V3.2 的非思考模式，deepseek-reasoner 对应其思考模式。

DeepSeek-V3.2-Speciale

DeepSeek-V3.2-Speciale 通过临时端点提供服务，定价与 V3.2 相同，不支持工具调用，有效期至 2025年12月15日 15:59（UTC 时间）。

2025年9月29日

DeepSeek-V3.2-Exp

deepseek-chat 和 deepseek-reasoner 均已升级至 DeepSeek-V3.2-Exp。deepseek-chat 对应 V3.2-Exp 的非思考模式，deepseek-reasoner 对应其思考模式。

2025年9月22日

DeepSeek-V3.1-Terminus

deepseek-chat 和 deepseek-reasoner 均已升级至 DeepSeek-V3.1-Terminus。本次更新在保持模型原有能力的同时，解决了用户反馈的问题，包括：减少中英文混杂和异常字符的出现，以及进一步优化代码智能体和搜索智能体的性能。

2025年8月21日

DeepSeek-V3.1

deepseek-chat 和 deepseek-reasoner 均已升级至 DeepSeek-V3.1。主要更新包括：混合推理架构（单模型同时支持思考和非思考模式）、推理效率提升（相比 DeepSeek-R1-0528 显著缩短回答时间）、以及智能体能力增强（在工具使用和智能体任务方面取得重大进展）。

2025年5月28日

deepseek-reasoner

deepseek-reasoner 模型升级至 DeepSeek-R1-0528，推理能力显著增强（AIME 2025 提升 17.5 分，GPQA 提升 9.5 分等），前端开发效果优化，幻觉问题大幅减少，并新增 JSON 输出和函数调用支持。

2025年3月24日

deepseek-chat

deepseek-chat 模型升级至 DeepSeek-V3-0324，推理能力大幅提升（MMLU-Pro 提升 5.3 分，AIME 提升 19.8 分等），前端网页开发优化，中文写作水平升级，多轮交互改写、翻译质量和信件写作优化，中文搜索能力增强，函数调用准确性提升。

2025年1月20日

deepseek-reasoner

deepseek-reasoner 是新的 DeepSeek-R1 模型，可通过指定 model='deepseek-reasoner' 调用。

2024年12月26日

deepseek-chat

deepseek-chat 模型已升级至 DeepSeek-V3，API 保持不变。

2024年12月10日

deepseek-chat

deepseek-chat 模型升级至 DeepSeek-V2.5-1210，数学能力（MATH-500 从 74.8% 提升至 82.8%）、编码能力（LiveCodebench 从 29.2% 提升至 34.38%）以及写作和推理能力均有提升，同时优化了文件上传和网页摘要功能的用户体验。

2024年9月5日

deepseek-coder 和 deepseek-chat 升级至 DeepSeek V2.5

DeepSeek V2 Chat 和 DeepSeek Coder V2 合并升级为新模型 DeepSeek V2.5。新模型在通用能力和代码能力上均显著超越前代版本，在写作任务和指令遵循等方面进行了优化，代码生成能力进一步增强。

2024年8月2日

API 推出磁盘上下文缓存技术

DeepSeek API 创新性地采用硬盘缓存，使价格再降低一个数量级。

2024年7月25日

新 API 功能

更新了 /chat/completions 接口，新增 JSON 模式、函数调用、聊天前缀补全（Beta）和 8K max_tokens（Beta）；新增 /completions 接口，支持 FIM 补全（Beta）。

2024年7月24日

deepseek-coder

deepseek-coder 模型升级至 DeepSeek-Coder-V2-0724。

2024年6月28日

deepseek-chat

deepseek-chat 模型升级至 DeepSeek-V2-0628，推理能力提升（HumanEval 从 79.88% 提升至 84.76%，MATH 从 55.02% 提升至 71.02%，BBH 从 78.56% 提升至 83.40%），角色扮演能力显著增强。

2024年6月14日

deepseek-coder

deepseek-coder 模型升级至 DeepSeek-Coder-V2-0614，编码能力显著增强，在代码生成、理解、调试和补全方面达到 GPT-4-Turbo-0409 水平，同时具备优秀的数学和推理能力。

2024年5月17日

deepseek-chat

deepseek-chat 模型升级至 DeepSeek-V2-0517，指令遵循能力大幅提升（IFEval Benchmark 从 63.9% 提升至 77.6%），优化了系统提示词部分的指令遵循能力，JSON 格式输出准确性提升（解析率从 78% 提升至 85%，引入正则表达式后可进一步提升至 97%）。

评论总结

根据评论内容，总结如下：

主要观点与论据：

  1. 性能大幅提升，与顶级模型竞争（评分：无）

    • 评论1指出，DeepSeek V4 Flash在Terminal Bench（82.7 vs 78.4）和Toolathlon（70.3 vs 53.1）上超越GPT-5.6 Terra，但在DeepSWE（54.4 vs 69.6）和Agents' Last Exam（25.2 vs 50.4）上落后，双方互有胜负。
    • 评论4强调：“This is actually a HUGE improvement in the model's capabilities rather than just a small tweak.”（这实际上是模型能力的巨大提升，而非小修小补。）
    • 评论10认为：“This 300B model outperforms the previous DS4 Pro preview model (1.8T params)”（这个300B模型超越了之前的DS4 Pro预览版1.8T参数模型），且价格更低。

  2. 性价比极高，适合本地部署（评分：无）

    • 评论2指出：“Dsv4 models are extremely cheap to serve... having fast cheap models getting better is great for the community.”（DSv4模型服务成本极低……快速廉价的模型越来越好，对社区是好事。）
    • 评论3提到：“it's DeepSeek-V4-Flash-284B-A13B... it should just barely run on a single B300”（这是DeepSeek-V4-Flash-284B-A13B，勉强能在单张B300上运行）。
    • 评论11分享：“I use deepseek flash... It's just incredible for the price... still didn't hit even 50 bucks of usage in a month.”（我用DeepSeek Flash……价格令人难以置信……一个月使用费不到50美元。）

  3. 对本地推理和开源生态的积极影响（评分：无）

    • 评论6表示：“This model makes me very optimistic about the future of local inference.”（这个模型让我对本地推理的未来非常乐观。）
    • 评论9说：“This runs at mega-speed on prosumer hardware (2x RTX Pro 6000).”（它在消费级硬件2x RTX Pro 6000上运行速度极快。）
    • 评论2补充：“at least flash can be ran 'at home' with <10k in hardware”（至少Flash可以用不到1万美元的硬件在家运行）。

  4. 潜在问题与担忧（评分：无）

    • 评论5指出：“DeepSeek v4 flash even though a bit cheaper, does not have vision abilities, which is a big draw for agentic tasks.”（DeepSeek V4 Flash虽然更便宜，但没有视觉能力，这对智能体任务很重要。）
    • 评论15担忧：“in the deepseek APIs, the cost is leaking all information about codebases to China.”（在DeepSeek API中，成本会向中国泄露所有代码库信息。）
    • 评论14批评命名混乱：“Why not call it V4.1?”（为什么不叫V4.1？）

平衡性总结： - 正面观点：性能显著提升，与GPT-5.6等顶级模型竞争；性价比极高，适合本地部署和低成本使用；对开源生态和本地推理有积极影响。 - 负面/担忧：缺乏视觉能力，可能限制智能体任务；数据隐私风险（代码库信息泄露）；命名混乱可能导致混淆。