DeepSeek V4-Flash

昨天，DeepSeek悄无声息地上线了V4-Flash正式版API。

没有发布会，没有PPT，就一段更新日志。但开发者社区直接炸了锅。

2840亿参数的MoE模型，激活参数只有130亿。价格低到令人发指：0.2元/百万tokens。而同等能力的Claude模型，贵了90倍。

真正恐怖的不是价格。

是模型结构、参数量，跟三个月前的预览版一模一样。一个参数都没加，只重新做了一遍后训练。

然后Agent能力暴涨了6倍。

在DeepSWE基准测试里，从7.3分直接飙到54.4分。TerminalBench冲到82.7，把GLM-5.2甩在后面，紧追Claude Opus 4.8的85分。

用开发者的话说：这不是升级，是作弊。

过去两年，整个行业都在疯狂堆参数。千亿不够上万亿，万亿不够搞MoE。好像参数越大，故事就越好讲。

DeepSeek用一次后训练优化，把这条叙事逻辑打碎了。

你不需要更大的模型，你需要更聪明地训练它。

这个结论对行业意味着什么？算力焦虑可能被高估了。那些拼命囤GPU的公司，也许该重新想想ROI了。

当然，Flash终究是轻量版。130亿激活参数的天花板是真实存在的，它的上限不可能超越同门的Pro和旗舰模型。但它把”低成本+高可用”这条路线跑通了。

对开发者来说，这比任何技术白皮书都实在。

用十分之一甚至百分之一的成本，拿到接近旗舰水平的Agent能力。这意味着AI应用落地的经济账，终于算得过来了。

这或许才是这次更新最深远的影响：不是DeepSeek赢了，是”后训练为王”赢了一次。

——而赢的人，从来不需要发布会。