预览帖子
| 游客 |
主题回顾
匿名 发表于 2026-8-19 15:35
今天有个 AI 研究员发信息给我说，这是她入行以来最好的夏天。
DeepSeek-V4-Flash 正式版发布了，性能超过此前的 V4-Pro-Preview。
基准测试成绩甚至能和 Claude Fable 5 放在同一张表里比较。
一个总参数 284B、激活参数仅 13B 的 “轻量版” 模型在多项任务上追平了那个曾经遥不可及的 Opus 4.8。
更离谱的是价格，Flash 版便宜到令人发指，两块就能让它输出 100 万 tokens 她把手头所有的项目都优化了一遍，结果还没花掉一杯奶茶钱。
昨天在开发者群里。 突然所有人停下手里的事，
开始转发评测截图。 她说自己特别开心，
有种人类黄金时代的错觉。
谁也没想到，DeepSeek 这次又给大家憋了个大的，卡着 7 月的尾巴，发布了 DeepSeek V4 Flash 的正式版。
说实话，一开始，世超对这次更新其实是没有太在意的。。。
毕竟只是一个顶着 Flash 名头的模型更新，主力军 Pro 系列更是动都没动。
上一次只更新 Flash ，不更新 Pro 模型的大模型厂商还是谷歌，现在已经成了大家的玩梗对象。
[attach]264166[/attach]
这你一个 Flash 模型再更新，能力总不能超过 Pro 吧。。。
？
[attach]264167[/attach]
？？
[attach]264168[/attach]
不是哥们，你这 Flash 模型怎么比 Pro 模型的跑分都强了？？？
这还是 Flash 吗？
不对 DeepSeek，大模型不是这样玩的，你应该先发一个 Flash 模型，然后说自己只是速度快一些罢了，你怎么直接让 Flash 模型追上了自家的 Pro 模型，然后价格还只卖 2 块钱 / 百万 token，而且时不时还能有个打一折的缓存命中优惠，我周末用了 1 个亿 token 才花掉了 5 块钱。
[attach]264169[/attach]
世超根据这次 V4 Flash 亮出来的跑分整理了一下，可以发现这次 Flash 模型的能力极其夸张。
[attach]264170[/attach]
超过了自己的大哥 Pro 不说，虽然比不上 Claude Opus5、GPT-5.6 Sol、还有 Kimi K3、这些顶级模型。
但是，正式版的 V4 Flash，基本上也就不如这几家了。
有网友把各家大模型的能力和价格，收集到一起做了个表整理了出来：
[attach]264171[/attach]
每个大模型在表上都是一个点，点的位置越靠左边，说明模型越便宜，点的位置越靠上面，说明模型的性能越好。
这样一看就会很直观的发现，市面上绝大多数模型 ，都处在一个很尴尬的位置。
性能没 DeepSeek 好就算了，价格还比 DeepSeek 要贵。
而那些性能比 DeepSeek 要强的模型，处境其实也没好到哪去。
因为它们的价格实在是太贵了。
差友们可能没注意到，上面这张图的横轴，它不是一个线性坐标轴，而是个对数轴。
但咱给模型花钱的时候可不是这么算的。
于是世超稍微动用了一下很久没有用过的 PS 手段，把这张图给拉成了线性坐标轴来看看，发现它的真实比例，其实是这样的。。。
也就是说，论性能的话，Claude Fable 5，GPT-5.6 Sol 这些模型比起 V4 Flash 来说，可能有个这么两成的提升。
但是这些模型的价格，可能也要比 V4 Flash 多了两 0。
[attach]264172[/attach]
夸张一些的话，可以说 DeepSeek 又一次重新定义了模型的斩杀线。
[attach]264173[/attach]
所以，这次 DeepSeek 是怎么做到的？明明模型的架构，参数都没啥变化，为什么一个模型的能力会突然有如此巨大的变化？
世超也是往回翻了翻 DeepSeek 的论文和公开资料，找到了两个概率最大的方向。
首先最重要的一个点就是后训练。
这也是官方承认的，预览版和正式版差距最大的地方了。
这里给对大模型不太了解的差友科普一下，一般来说，我们会把大模型的训练给分成两个阶段。
第一个阶段叫预训练。
在这块，我们需要给模型塞进去海量文本、代码和其他数据，以此来让它学会回答问题的基本能力。
整个过程有点像在培养一个高中生，不管是语数外，还是物化生，政史地，还是音乐美术体育计算机，各种领域的知识都要拿点过来给他，通过这种方式来提高模型的基础能力。
而第二个阶段后训练，则是锻炼的真正干活解题的能力。
这块做的活主要是刷题，让模型通过反反复复地刷题，来提高模型的应试教育能力，让它来学会怎么解决问题。
研究人员会通过监督微调、强化学习和大量任务数据，让模型学会理解指令、拆解问题、使用工具，以及按照人类偏好的方式给出答案。
同样预训练出来的一个模型，在经过了不同的后训练刷题练习之后，是很容易刷出完全不同的表现的。
之前 DeepSeek R1 的论文里就讲过，他们把 V3 拿过来做了 GRPO （ 群组相对策略优化 ） 强化学习之后，模型的数学能力就得到了巨大的提升，在 AIME 2024 测试集上的正确率直接从开始的 15.6% 给飙升到了 71%。
OpenAI 当年的 InstructGPT 也一样。
经过监督微调和 RLHF 之后，一个只有 13 亿参数的模型，在真人盲评里，甚至能打赢参数量大了 100 多倍的 GPT-3。
[attach]264174[/attach]
如果说预训练决定了模型的大脑里有没有相关的知识的话，那么后训练就是决定模型有没有掌握把这些知识给拿出来的能力。
当然，光靠后训练，或许还不能完全解释这次 V4 Flash 的夸张成绩。
仔细看 DeepSeek 的发布说明，大家还能发现一件事：
那就是这次公开的部分跑分，DeepSeek 并不是让模型直接裸跑得出来的。
而是用上了一个叫做 DeepSeek Harness 的未发布工具。
Harness 这个词大家这半年来应该也听过不少，现在热的红火的 Claude Code，Codex，OpenClaw 其实都可以算是 Harness，或者说是 Agent 工具的一种。
就连现在大伙经常刷到的 Workbuddy，Qoder，Trae 也都能算是。
而现在，DeepSeek 要推出自己的 Agent 工具卷进来了。
[attach]264175[/attach]
这件事，可能比单独更新一个模型还要关键得多。
[attach]264176[/attach]
因为在现在这个 Agent 时代，一个模型最后能干出什么成绩，已经不只取决于模型本身有多聪明，还取决于外面给它套了一套什么样的工具。
一个裸模型就像一个坐在考场里的学生，遇到复杂的问题就只能靠自己的脑子硬算。
但 Agent 会给模型安上搜索引擎，能给它配上代码的运行环境，还会帮它管理好项目的上下文，检查项目的运行结果，甚至跑错了还能直接重来一次。
通过这些外置工具给模型上 Buff，AI 实际做事的能力可以得到极大的增强。
今年年初的时候，多伦多大学的团队做了一个研究，他们把同一个大模型，放到不同的 Agent 工具里面来做测试。
结果发现同一个模型，在不同的工具里表现的完全不同，完成问题的概率最高能差个好几倍。
[attach]264177[/attach]
前不久有人说过，现在 AI 的发展，就像一级一级向上爬的阶梯。
去年的阶梯是思维链，通过思维链的方式，我们可以让模型学会自己思考，来让 AI 能做到更多的事情。
而今年，AI 发展最重要的阶梯就是 Agent。
现在，DeepSeek 也交出了自己对 Agent 的答案。
通过高质量的后训练和 Agent 工具，把原本负责轻量应用的 Flash，给直接拉到了全球旗舰模型的身后。
说实话，世超看到这个超级强化后的 Super Pro Max 版本的 Flash 模型，已经开始期待起来了。
[attach]264178[/attach]
既然一个用来打下沉市场的小弟，都能靠着出神入化的后训练和?DeepSeek Harness?工具，跟 GPT-5.6 Sol、Claude Fable 5 这些身娇肉贵的 “太上皇” 们掰掰手腕……
那要是等 DeepSeek 把这套版本答案，给套在更强的?V4 Pro?上呢？
来源：差评君
