7月31日，DeepSeek-V4-Flash正式版上线，成为DeepSeek-V4系列的重大升级。据官方消息，该正式版在模型架构、大小上与预览版保持一致，采用MoE（混合专家）架构、2840亿总参数、130亿激活参数、1M上下文，仅通过重新进行后训练，便使Agent能力大幅增强，基准测试得分远超V4-Pro-Preview。
官方将性能对标国产编程代表GLM-5.2及美国的Opus 4.8。DeepSeek-V4-Flash正式版的整体性能超过了GLM-5.2，逼近Opus 4.8。值得注意的是，V4-Flash只是个小参数模型，GLM-5.2总参数高达7440亿，激活参数为400亿，均远高于V4-Flash，凸显其参数效率。
在官方公布的9项Agent基准测试中，DeepSeek-V4-Flash正式版表现亮眼：在考察终端操作能力的Terminal Bench2.1上，得分从61.8升至82.7；在代码仓库理解与修改任务NL2Repo、DeepSWE上，分别得分54.2和54.4，而其前身Flash Preview在DeepSWE项目上的得分仅为7.3。此外，网络安全任务Cybergym得分为76.7，工具调用能力Toolathlon-Verified达到70.3。在更综合的智能体评测中，正式版在Agent Last Exam和Automation Bench Public上分别得分25.2和25.1，这两个项目均为2026年新推出、面向AI智能体的现实任务评测基准，用于检验大模型Agent能否真正完成真实工作，区别于MMLU、Humanity's Last Exam等纯问答测试。在内部全栈开发测试DSBench-FullStack与高难度编码测试DSBench-Hard上，得分则达到68.7和59.6。多项指标远超今年4月上线的V4-Pro预览版。
新版本上线后，Artificial Analysis和Arena.ai两大AI评测平台同步更新了基准测试结果。Artificial Analysis智能指数显示，DeepSeek-V4-Flash获得50分，比4月发布的Flash版本高出10分，仅比OpenAI的GPT-5.6 Luna（51分）低1分。该平台发文称，即使OpenAI将GPT-5.6 Luna的价格下调了80%，DeepSeek-V4-Flash正式版在其自有API上的单任务成本仍然比GPT-5.6 Luna低约60%。Arena.ai的报告称，DeepSeek-V4-Flash正式版以1586分的成绩重塑了Frontend Code Arena跑分榜单，每MToken的价格为0.14美元/0.28美元，是同类产品中性价比最高的。
券商方面，申万宏源证券最新研报称，DeepSeek-V4-Flash继续展现国产模型超高性价比；国联民生证券称，DeepSeek-V4-Flash轻量模型追平旗舰性能，利好AI应用产业链。
此次升级表明，DeepSeek在保持模型轻量化的同时，通过后训练大幅提升Agent能力，以较低成本实现接近顶级旗舰的性能，进一步加剧了大模型市场的竞争。对于AI应用开发者而言，高性价比的模型有望降低应用落地成本，推动更多创新场景出现。