DeepSeel V4 FLash正式版刚刚发布，GPT-5.6 Luna只比其高1分。根据 https://artificialanalysis.ai/ 的更新，Deepseek V4 Flash 0731 的单次任务成本为 0.03 美元。
DeepSeek-V4-Flash API公测也上线了，Agent能力全面暴涨，Terminal Bench跑出82.7分，NL2Repo拿下54.2分，这波操作直接把开源模型的智能体天花板又捅了个大窟窿。
这次更新的智能体（Agent）能力比之前的 V4-Pro-Preview 强了一大截，各种测试成绩如下：
- Terminal Bench 2.1（终端操作测试）：82.7 分
- NL2Repo（自然语言转代码仓库）：54.2 分
- Cybergym（网络安全攻防测试）：76.7 分
- DeepSWE（软件工程任务）：54.4 分
- Toolathlon verified（工具调用综合测试）：70.3 分
- Agent Last Exam（智能体终极考试）：25.2 分
- Automation Bench (Public)（自动化公开测试）：25.1 分
- DSBench-FullStack（内部全栈开发测试）：68.7 分
- DSBench-Hard（内部高难度编码测试）：59.6 分
考试分数炸了锅但别被数字忽悠了
官方甩出来的那串benchmark分数，Terminal Bench 82.7分，NL2Repo 54.2分，Cybergym 76.7分，一堆数字砸过来跟彩票开奖似的。但这些考试跟咱们学校里的月考不是一回事，它们是专门设计来测AI会不会用工具、会不会写代码、会不会在模拟环境里干活的。
Terminal Bench考的是AI在命令行里能不能像老程序员一样熟练操作。NL2Repo考的是你给AI一段自然语言描述，它能不能在大型代码库里找到正确的位置修改代码。Cybergym是网络安全靶场，看AI能不能自己发现漏洞。这些考试以前很多模型都挂科，因为以前的AI只会聊天，不会动手。
Agent Last Exam 25.2分看着不高对吧？但这考试考的是AI在没有人类帮助的情况下，自己面对从来没见过的复杂任务能不能搞定。25.2分在这个赛道里已经算尖子生了，因为很多模型直接交白卷。
DeepSWE 54.4分更有意思，SWE是软件工程的缩写，这个考试模拟的是AI像真正的程序员一样，拿到一个真实的GitHub issue，自己去理解代码库、定位bug、写补丁。54.4分意味着DeepSeek已经能解决超过一半的真实编程任务了，这意味着什么？意味着初级码农的活，AI真能干个五成了。
Toolathlon verified 70.3分考的是AI同时调用一堆工具的能力，就像一个人同时操作Photoshop、Excel、邮件客户端还不乱套。70.3分说明DeepSeek在多任务并行这块已经相当稳了。
这波升级怎么让隔壁OpenAI坐不住了
就在DeepSeek发布公测的前一天，OpenAI刚宣布Luna模型降价80%，摆明了要抢用户。结果DeepSeek反手就甩出Flash版本的benchmark成绩单，相当于在说：你性价比超过我旧模型是吧？我直接用新模型碾压你。
评论区有人说DeepSeek-V4-Flash已经能跟Claude Opus 4.8掰手腕了。Claude Opus是Anthropic家顶级的模型之一（最新是Opus 5），价格贵得离谱，一般开发者根本用不起。DeepSeek这波等于把超跑性能塞进了家用车的价格区间里。
但要注意，这次升级只是Flash版本，不是Pro。Flash主打的是轻量快速，适合日常高频调用。Pro版本还在后头憋着大招。公告里明说了DeepSeek-V4-Pro API和APP/WEB模型暂时没变，Pro版本要等到八月初。
评论区有人吐槽速度还是慢，官方回复说太多人在测了服务器扛不住。这其实是好事，说明关注度高。另外一个槽点是DeepSeek还不支持视觉识别，不能直接看图理解图像内容。但评论区也说了，如果加上视觉功能，这模型就是全能型选手了。
大模型价格战打到最后谁买单
OpenAI降价，DeepSeek性能追上来，这竞争对用户来说简直是过年。以前用顶级模型抠抠搜搜算着token数，现在Flash版本性能上来了价格还便宜，开发者可以放开手脚去试错了。
评论区有人担心DeepSeek是不是只是追平了Claude Opus但没超越。但更多人看得明白，Flash版本只是个开胃菜，真正的正餐在后面。
还有人说DeepSeek这波操作时机太损了，专门挑OpenAI刚宣布降价的时候发布，等于把对手架在火上烤。商业竞争就是这样，你出牌我也出牌，最后便宜的是掏钱的用户。
从另一个角度看，DeepSeek的开源策略让它天生就有社区优势。开发者可以自己部署、自己调优、自己折腾。闭源模型再强你也改不了它的底层逻辑，但开源模型你拿到手随便改。这波公测之后，估计很快就会有各种基于DeepSeek的社区版本冒出来。