DeepSeek-V4-Flash 正式版 API 公测：Agent 能力升级，原生适配 Codex
DeepSeek-V4-Flash-0731 正式版 API 开启公测，模型架构与参数规模不变，重点通过后训练增强 Agent 与代码任务，并新增 Responses API 和 Codex 适配。
2026 年 7 月 31 日，DeepSeek 将官方 API 中的 deepseek-v4-flash 升级为 DeepSeek-V4-Flash-0731，并以正式版模型、API 公测的方式开放。现有开发者无需更换模型名，继续调用 deepseek-v4-flash 即可获得新版本。
这次更新只作用于 V4-Flash API。DeepSeek-V4-Pro API、网页端和 App 端模型没有同步变化。官方表示 V4-Pro 正式版将尽快发布，其 Responses API 与 Codex 支持计划在 2026 年 8 月初加入。
参数没变，重点放在 Agent 后训练
DeepSeek-V4-Flash-0731 沿用了 Preview 版的模型架构和参数规模：2840 亿总参数、每个 Token 激活 130 亿参数。两者之间的差异主要来自重新后训练，优化方向集中在工具调用、代码修改和多步骤 Agent 任务。
DeepSeek 公布了九项 Agent 与代码任务成绩，并称新版本在对应对比中超过 V4-Pro Preview：
基准 | V4-Flash-0731 成绩 |
|---|---|
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 |
这组数字能说明官方优化的方向，但还不能直接等同于所有真实开发任务的提升。公开代码 Agent 测试使用了尚未发布的 DeepSeek Harness 极简模式，设置为最大推理强度、top_p=0.95、temperature=1.0；DSBench-FullStack 和 DSBench-Hard 又是内部测试集。等 Harness 开放、测试环境可复现后，开发者才能更准确地比较不同模型的完成率、耗时和实际成本。
Responses API 让 Codex 接入成为主线能力
V4-Flash 正式版原生支持 Responses API，并针对 Codex 做了适配。对已经使用 Codex CLI、ChatGPT 桌面端或 VS Code Codex 扩展的开发者，这比单纯增加一项基准成绩更直接：模型可以进入现有的编码 Agent 客户端，承担读取代码、调用工具和连续修改等任务。
官方文档当前列出的 V4-Flash API 能力包括：
- 思考与非思考两种模式，默认开启思考模式；
- 100 万 Token 上下文，最大输出 38.4 万 Token；
- JSON 输出、工具调用与 Responses API；
- OpenAI ChatCompletions、Anthropic API 等接入格式；
- 2500 的并发上限。
模型本身仍是纯文本模型。涉及截图理解、界面视觉检查或图片输入的编码任务，需要客户端另外接入视觉模型或代理处理，不能仅凭 V4-Flash 完成。
当前价格低，但峰谷计费规则仍待生效
DeepSeek 官方定价页目前给出的 V4-Flash 参考价格如下：
计费项 | 每百万 Token 价格 |
|---|---|
缓存命中输入 | 0.0028 美元 |
缓存未命中输入 | 0.14 美元 |
输出 | 0.28 美元 |
这套价格对重复读取系统提示、仓库说明和稳定上下文的 Agent 场景很有吸引力。不过成本评估不能只看输入单价。长任务会产生多轮工具调用、上下文回传和大量输出，最大推理强度也可能显著增加 Token 消耗。
官方还预告将引入峰谷计费：北京时间每天 9:00—12:00、14:00—18:00 的峰时价格将按常规价格的两倍计算，具体生效日尚未公布。准备接入生产环境的团队应把这一变量纳入预算，并在上线前再次检查定价页。
小团队最值得先测三类任务
此次公测适合用真实仓库做小规模验证，不宜只依据排行榜直接替换现有模型。可以优先测试：
- 边界清晰的代码修改：给定测试、文件范围和验收条件，观察一次完成率与误改率。
- 多工具连续执行：让模型完成检索、编辑、运行测试和修复，记录中断、循环调用与失败恢复情况。
- 长上下文代码理解：输入较大仓库的说明与关键模块，比较缓存命中率、首字延迟、总耗时和完整任务成本。
测试时应固定客户端、Harness、推理强度、采样参数和任务集。否则模型差异很容易与执行框架差异混在一起。涉及私有代码、客户数据或线上权限时，还要先设定最小权限、敏感信息脱敏和人工审批节点。
公测阶段还要观察什么
V4-Flash-0731 的产品信号很清楚：DeepSeek 正在把 Flash 从低成本通用模型推向编码与 Agent 执行场景，同时保留原有模型名，降低迁移成本。对独立开发者和小团队，最现实的价值是多了一个可接入 Codex、支持超长上下文且单价较低的 API 选项。
现阶段仍有三个待确认点：尚未发布的 DeepSeek Harness 会怎样影响复现结果；公开任务中的优势能否延伸到团队自己的仓库；峰谷计费正式生效后，长时间运行的 Agent 成本会如何变化。先用一组可重复的内部任务跑通质量、延迟和账单，再决定是否扩大使用范围，会比追逐单项基准更可靠。
