DeepSeek-V4-Flash-0731：架構一字不改，只換後訓練就領先自家旗艦

2026 年 7 月 31 日，DeepSeek 釋出新檢查點 DeepSeek-V4-Flash-0731。這是繼 7 月 20 日 V4 家族（含 deepseek-v4-flash）由預覽轉入正式可用（GA）之後，Flash 這條產品線的首次版本更新。最值得注意的地方，不在於模型變大，而在於模型完全沒有變大——架構與規格一字不改：284B 總參數、13B active 的 MoE 設計、1M token 上下文長度，全部維持原樣。官方明言，改的只有一件事：整條後訓練（post-training）管線重寫、模型重新訓練。

這次同時補上了 GA 當時懸而未決的一項資訊——權重釋出。新版權重以 MIT 授權、非閘控（no gating）上架 Hugging Face，下載不需申請核可；這是延續 4 月 preview 的開源作法，也讓「GA 之後是否繼續開源」的懸念落地。定價則沿用 GA 時的結構：輸入 $0.14、輸出 $0.28 per M tokens 為基準（離峰）費率，每日 9 至 12 時、14 至 18 時的尖峰時段仍為 2 倍計價，估算帳單時不能只看基準價。

基準測試領先自家旗艦，但這是廠商自報數字

官方公布的代理（agentic）與程式碼基準測試中，V4-Flash-0731 全數勝過售價更高的旗艦線。三組代表性數字為：

• Terminal Bench 2.1：82.7 vs 72.1
• NL2Repo：54.2 vs 38.5
• Cybergym：76.7 vs 52.7

有兩點必須誠實標示。第一，須注意官方此次對照的是 V4-Pro Preview，而非 7 月 20 日 GA 的 V4-Pro 正式版，兩者並非同一批後訓練成果，領先幅度不宜直接套用到現行旗艦。第二，以上全部是廠商自報成績，且跑在尚未公開的評測 harness 上，並非第三方獨立驗證；基準名稱相同不代表跑法相同，harness 未公開就無從複現。官方另列有一項 DeepSWE 的對照數字，但旗艦端數值異常偏低，在原始評測設定公開前，本文不予引用。

能力增益的主戰場，正在從堆參數移到後訓練

把架構固定、只換後訓練，等於做了一次近似的對照實驗：參數規模、上下文長度、稀疏設計都是常數，唯一變因是訓練後段的資料配方與強化流程。若官方數字成立，代表在代理與程式碼這類需要長鏈條決策的任務上，後訓練帶來的增益已足以壓過參數規模的差距。

這也解釋了為什麼便宜的 Flash 線能反超昂貴的 Pro 線：對照組的 Pro Preview 是較早期的後訓練成果，Flash-0731 用的是新管線。同一家公司內部就出現「便宜的比貴的強」，對整個產業的定價邏輯是一記提醒——參數量與價格已不再是能力的可靠代理指標。

MIT 非閘控授權則是另一條訊號。GA 之後新權重仍可自由下載、商用無需審批，等於把「自建部署」的門檻壓到只剩硬體成本，對資料不能出境、或需要在自有機房處理敏感資料的企業特別有意義。

對管理者的意義

最實際的一課是：舊評測結論的保鮮期正在快速縮短。半年前做的模型選型比較，很可能因為供應商換一次後訓練管線就整個翻盤，而外觀（參數、價格、版本號）幾乎看不出差異。因此選型不該是一次性決策，而該有固定的複驗節奏。若團隊已在用 AI 處理程式碼或多步驟代理任務，可以拿自家真實工單各跑一輪新舊檢查點，用自己的驗收標準比對——供應商的 harness 不公開，你自己的 harness 才是能複現的那一個。