News Jul 31, 2026 8 min read

DeepSeek-V4-Flash 正式上线：性能超过 GLM，逼近 Opus 4.8，价格更狠

DeepSeek-V4-Flash 正式版 API 公测：Terminal-Bench 2.1 达 82.7，超过 GLM-5.2 的 81.0，Agent 能力逼近 Claude Opus 4.8；输入 1 元、输出 2 元/百万 tokens。

#DeepSeek-V4 #DeepSeek #AI Agent 智能体 #API

Cover image for DeepSeek-V4-Flash 正式上线：性能超过 GLM，逼近 Opus 4.8，价格更狠

本文发布于 50 天前，内容可能已过时，请注意甄别。

DeepSeek-V4-Flash 正式版来了。

7 月 31 日，DeepSeek 在 API 更新日志中宣布：DeepSeek-V4-Flash 正式版 API 上线公测。这次更新的重点很明确：不是换一个更大的模型结构，而是通过重新后训练，把 Flash 的 Agent 能力往前推了一大步。

对开发者来说，这可能是最近最值得测试的一次 DeepSeek API 更新。

这次到底更新了什么？

一句话：DeepSeek-V4-Flash 正式版接入 API 公测，并重点强化 Agent 能力。

官方说明里有三个关键点：

Agent 能力大幅增强，多项基准测试远超 V4-Pro-Preview
原生支持 Responses API 格式，并针对 Codex 做了适配
模型结构、尺寸和 DeepSeek-V4-Flash-preview 保持一致，这次主要是重新后训练

也就是说，DeepSeek 这次没有把故事讲成“更大参数、更大模型”，而是把重点放在更实际的方向：让模型更会用工具、更会跑任务、更适合 Code Agent。

官方测试成绩

DeepSeek 官方更新日志公布了 DeepSeek-V4-Flash 正式版在 Agent、代码和工具调用任务上的 9 项成绩：

测试集	DeepSeek-V4-Flash 正式版
Terminal-Bench 2.1	82.7
NL2Repo	54.2
CyberGym	76.7
DeepSWE	54.4
Toolathlon verified	70.3
Agent Last Exam	25.2
AutomationBench (Public)	25.1
DSBench-FullStack	68.7
DSBench-Hard	59.6

DeepSeek-V4-Flash 官方测评与其他模型的对比。

这些测试覆盖终端执行、代码仓库生成、网络安全、软件工程、工具调用、长周期专业工作流以及全栈开发。由于不同测试集的任务形式和评分方式不同，不能把 9 个分数简单相加后得出一个“总分”。

性能先超过 GLM

最直观的一项是 Terminal-Bench 2.1：DeepSeek-V4-Flash 得分 82.7，GLM-5.2 为 81.0，前者高出 1.7 个百分点。

这不是“国产模型互相吹”的模糊判断，而是同一测试集上的公开成绩。Flash 已经超过 GLM-5.2；放到更大的 Agent 竞争里看，它也开始逼近 Claude Opus 4.8 所处的高端工作区间。需要说清楚的是，不同模型的评测 harness、推理档位和测试版本可能不同，这个结论代表能力区间接近，不等于全面击败 Opus 4.8。

价格却完全不是一个画风

DeepSeek-V4-Flash 官方 API 价格为：缓存命中输入 0.02 元/百万 tokens，缓存未命中输入 1 元/百万 tokens，输出 2 元/百万 tokens。

Claude Opus 4.8 的官方 API 价格仍是输入 5 美元/百万 tokens、输出 25 美元/百万 tokens。对于需要长时间运行、频繁调用工具的 Agent，价格差异会被每一次循环放大。

更巧的是，GLM 今天刚好给开发者上了一堂“忠诚度定价”公开课。智谱 7 月 30 日公告显示，GLM Coding Plan 已改版；当前页面的连续包月价格为 Lite 94.4 元、Pro 430.4 元、Max 862.4 元，而公告列出的旧 V2 价格是 Pro 149 元、Max 469 元。

所以，喜欢 GLM 的朋友当然可以继续支持，只是现在支持的方式更像给账单做强化学习：模型还在比性能，套餐已经先把价格跑出了长上下文。 在性能已经被 Flash 追上甚至超过的部分测试上，GLM Coding Plan 却选择今天涨价，这个反差很难不被开发者拿来比较。