DeepSeek V4 Flash 更新：284B 小模型硬刚 GPT-5.6 Terra（2026-07-31）
本文为翻译/转载，原文使用 CC BY-NC-SA 4.0 协议发布。 原文作者：Hacker News 社区讨论 原文标题：DeepSeek-V4-Flash Update 原文链接：https://news.ycombinator.com/item?id=49119559 原文发布：2026-07-31 本博客不参与任何商业变现（含 ads / 付费 / affiliate），本译文遵循 CC BY-NC-SA 4.0 条款发布。
译者按
2026 年 7 月 31 日，DeepSeek 在 API 更新日志中低调把 V4 Flash 从 Preview 转正：Terminal Bench 从 56.9 暴涨到 82.7（+25.8），Toolathlon 从 51.8 升到 70.3（+18.5），多项基准与 OpenAI 的 GPT-5.6 Terra 互有胜负，而价格仍远低于对手。消息在 Hacker News 迅速冲到 371 分、181 条评论。对中文读者而言，这场讨论的价值在于：它展示了海外开发者如何评价”小参数 + 极致性价比”路线的冲击，以及同日 GPT-5.6 Luna 降价 80% 背后暗流涌动的价格战。本文精选 20 条高赞评论，完整呈现社区对性能、本地部署、数据隐私与市场格局的争论。
正文
发帖原文
DeepSeek-V4-Flash Update https://api-docs.deepseek.com/updates/
DeepSeek 官方 API 文档更新页发布了 V4 Flash 模型的正式版更新。据 HN 发帖人 dnhkng 整理，本次更新的核心数据为：
- Terminal Bench：56.9 → 82.7（+25.8）
- Toolathlon：51.8 → 70.3（+18.5）
- 与 GPT-5.6 Terra 对比：Terminal Bench Flash 82.7 vs Terra 78.4；Toolathlon Flash 70.3 vs Terra 53.1；DeepSWE Flash 54.4 vs Terra 69.6；Agents’ Last Exam Flash 25.2 vs Terra 50.4
“和 Terra 互有胜负，非常有意思。这些基准上没有明显的赢家，分数差异也很大。”
—— dnhkng（发帖人）
社区精彩评论精选
一、性能与基准：小模型逆袭大参数
1. (@wkcheng)
如果这些基准是真的、且能反映实际使用效果，那这就是一个疯狂级别的模型。这个 300B 模型超过了之前的 DS4 Pro Preview（1.8T 参数），看起来也超过了 GPT-5.6 Luna。而且即使 Luna 降价之后，它仍然比 Luna 便宜。疯狂。
2. (@ggcr)
哇，一个 200B 的模型能和 GLM-5.2 竞争、逼近 Opus 4.8，相当令人印象深刻。如果这些数字能转化为通用能力，再加上 DeepSeek 出色的缓存机制，我感觉这个模型会获得海量使用量。
3. (@kamikazechaser)
Flash 版本在 DeepSWE 上和 Sonnet 5 打平（54%）。如果属实，这可太重要了。
4. (@flysoft)
终于有一个在合理价格下拥有可用智力的模型了。想想 Pro 正式版会是什么样——毕竟 Pro Preview 只有 1.6T 参数。
5. (@KronisLV)
好奇正式版 V4 Pro 会有多强。我还在考虑要不要买 Kimi K3 的年费订阅，但即使是他们的 Vivace 套餐，有时也比 Anthropic 慢；GLM 5.2 的 Coding 订阅 token 限额又太容易用光了。
二、实际使用体验：便宜、快、够用
6. (@f311a)
我 90% 的任务都在用 Flash 模型。它比 Pro 还好用（原因不明），非常便宜而且快。我把每次改动控制在 1000 行以内，架构决策自己拍板，和前沿模型几乎感觉不到差别。剩下 10% 用来找 bug、安全问题、研究更好的架构，Flash 也做得很好，我只是交叉验证一下。对我来说，更快的迭代比什么都强，我讨厌为小改动等 5-10 分钟。我试过最近的 Kimi 和 GLM，但它们无谓地思考太多，因此很慢。我还经常往里灌大量数据而不用担心限额：依赖（找瓶颈）、日志、性能转储等等。而且它从不会抱怨安全护栏——我一直在用它逆向工程二进制文件。
7. (@lionkor)
我很多日常 agent 需求都用 DeepSeek，直接放数据说话，过去 30 天：费用 $4.55，API 请求 3,467 次，token 323,183,886。作为一个带小团队的技术负责人，我对质量要求很高，个人项目也一样。编码和代码审查任务它从没让我失望。其他任务，用别的模型。
8. (@egeozcan)
每次我想用自然语言处理搞点好玩的编码，都用 DeepSeek flash。这个价格简直不可思议。我有一个 400 用户的 App 后台跑 DeepSeek，一个月都没超过 50 美元。
9. (@kmarc)
我现在基本在 pi 里全部跑 flash。配上一套正确的 MCP server、上下文精简工具和 skills，任何任务它都能实现。有些会话要 30+ 轮，但快又便宜；一小时全搞定，成本约 $0.5。（不过说实话，我的多子代理工作流里，规划、审查、当”预言机”还是用更贵的模型。）我几周没用我们那个慢吞吞的 opus 订阅了。（还搭了个 OpenWebUI 自托管聊天，手机能用，带 MCP 和 skills，彻底替代了 Perplexity。月成本约 $18 含托管和订阅。）
10. (@mordae)
它发布时我正好在用。突然推理就变得更充分了，精度也大幅提升，连文风都变好了。期待权重发布。
11. (@sqemo)
DeepSeek 对我熟悉的任务和软件很好用。就算它出错，我通常也能自己验证。但当我用不熟悉的编程语言时，我更喜欢 Codex 或 Claude。
12. (@Reubend)
他们的更新说明总是非常低调。这实际上是模型能力的一次巨大提升，而不是小修小补。
13. (@NitpickLawyer)
我个人觉得这比 K3 更令人兴奋。DSv4 模型部署成本极低。能力提升会带来大量下游效应，因为”够用”的任务越来越多。DS 长期以极低价格提供 Pro 版，还和 opencode 等提供商集成，很可能从真实开发者那里积累了海量真实任务数据（在 OpenRouter 上他们就是这么标注的）。现在他们可以用这些真实场景继续 post-train 模型。我很期待把 K3 蒸馏进 DSv4 会不会带来进一步改进。总之，又快又便宜的模型持续变好，对社区是大利好——尤其它们不会因为提供商一时兴起就”消失”，能力可以”永远”用下去。而且 Flash 至少可以”在家”用不到 1 万美元的硬件跑，这对 GLM/K3 那种更大的模型来说基本不可能。
三、本地部署与权重
14. (@spwa4)
想自己跑的话，它是 DeepSeek-V4-Flash-284B-A13B。单张 B300 勉强能跑，M5 Max 上也勉强能塞下。
15. (@arjie)
天哪这更新太棒了。我需要这些权重。按这个体积来说它强得离谱。改进后的工具调用等能力能让我的 harness 简单很多。它在 2x RTX Pro 6000 这种准专业硬件上跑得飞快。
16. (@Tepix)
听起来是个大改进。但只提了 API，没提权重。更新后的权重什么时候发布？
17. (@wolttam)
万岁！这个模型让我对本地推理的未来非常乐观。CyberGym 的分数尤其亮眼。
四、隐私、安全与地缘政治
18. (@baalimago)
非常有前景。既保持速度和降价，性能又超过已经相当够用的 deepseek-v4-pro？在智能/成本指数上应该会继续扩大领先——deepseek-v4-flash 本来就是性价比最高的模型，现在更好了。不过，用 DeepSeek API 意味着代码库的所有信息都会泄露给中国。
19. (@XCSme)
现在没法用它，除非你不在乎交出数据：> 训练：该提供商可能使用提示词进行训练，并可能保留提示词数据。
20. (@nickandbro)
我不怀疑 GPT-4.6 Luna 在”每智能成本指数”（Cost per Intelligence Index）左上象限的中心位置会让梁文锋感到担忧。但要记住，DeepSeek v4 flash 虽然便宜一点，但没有视觉能力——而视觉对 agent 类任务是个大卖点。我欣赏 DeepSeek 的开放，但就连他们也在折扣后涨价了。
21. (@dakolli)
中国实验室这周急着发模型，因为华盛顿在接下来 4 周内几乎必然要管制中国模型。美国所有 AI 巨头这周都在往华盛顿跑，你觉得他们是去干嘛的……
五、命名吐槽与市场反应
22. (@PhilippGille)
之前的 V4 版本大多数推理提供商都不叫”Preview”。比如 OpenRouter 的模型 slug 就是 deepseek/deepseek-v4-flash。所以现在大家聊 V4 Flash 或有人提供 V4 Flash 推理时会有混淆。为什么不叫 V4.1？
23. (@yewenjie)
是什么阻止他们叫它 v4.1-Flash 以便更好区分？
24. (@sim04ful)
为什么至少不作为一个 patch 更新来递增版本号？
25. (@znnajdla)
我内心的阴谋论者想说：今天 GPT 5.6 Luna 价格暴跌 80% 和这个 DeepSeek 更新是有关联的。也许 OpenAI 已经用类似 Mythos 的模型”黑”进了竞争对手，提前知道对手在做什么，能提前应对。
26. (@sourcecodeplz)
我做了一个它和 GPT Luna（最近降价 80%）的对比：https://x.com/SourceCodeplz/status/2083099712760987746 说实话我更喜欢 GPT-5.6 Luna。
27. (@Goranek)
贵的东西用 Kimi K3（代替 Opus），任务用 DSV4 Flash（代替 Sonnet）？这样搭配合理吗？
28. (@miyuru)
从今天的 OpenRouter 排行榜看，Dv4F 比 mimov2.5 更受欢迎。https://openrouter.ai/rankings?view=day#leaderboard-table 现在”每任务成本”更重要，SOTA 模型太贵了。
译者注
- Terminal Bench / Toolathlon / DeepSWE / Agents’ Last Exam：四个 2026 年常见的 agent 能力基准。Terminal Bench 测终端/命令行任务执行；Toolathlon 测工具调用（function calling）综合能力；DeepSWE（Deep Software Engineering）测真实软件工程任务；Agents’ Last Exam 测 agent 在长尾知识问答上的表现。发帖人 dnhkng 整理的对比显示，Flash 在终端任务和工具调用上反超 Terra，但在软件工程和知识问答上落后。
- DeepSeek-V4-Flash-284B-A13B：MoE（混合专家）架构，总参数 284B、每次激活 13B。评论中”300B / 200B”的说法都指总参数规模——这正是它能在单张 B300 或 M5 Max 上勉强运行的直接原因（激活参数少，显存占用低）。作为对比，DS4 Pro Preview 是 1.6-1.8T 参数。
- GPT-5.6 Terra / Luna：OpenAI 2026 年的两个模型系列。Terra 定位高端（价格较高），Luna 定位低价高效；同日（7 月 30-31 日）Luna 宣布降价 80%，被多位评论者与 DeepSeek 的这次更新联系起来。
- pi / opencode / MCP：pi 是社区流行的开源编码 agent；opencode 是另一个开源 agent 框架；MCP（Model Context Protocol）是 Anthropic 提出的模型上下文协议，用于给 agent 接外部工具。多位评论者用”pi + MCP + skills”搭建了个人 agent 工作流。
- 梁文锋（Liang Wenfeng）：DeepSeek 创始人。评论者 nickandbro 借用”Cost per Intelligence Index”（每智能成本指数，即单位智能所需成本）说明 DeepSeek 的性价比定位给 OpenAI 带来的压力。
- CyberGym：网络安全能力基准，评论者 wolttam 认为 Flash 在该基准上的表现说明其安全能力（如抵御越狱）值得期待。
- mimov2.5：MiniMax（稀宇科技）的模型，在 OpenRouter 日榜上长期靠前，评论者观察到 V4 Flash 热度已超过它。
- 数据隐私提醒：DeepSeek API 条款中”可能使用提示词进行训练并保留提示词数据”的表述，是海外开发者使用时的最大顾虑之一（评论 18、19）；中文开发者若涉及敏感代码，同样建议评估自部署或隐私条款。