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DeepSeekV4Flash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Google，现在已经成了大家的玩梗对象。
这你一个Flash模型再更新，能力总不能超过Pro吧……
？？
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。
世超根据这次V4Flash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。
超过了自己的大哥Pro不说，虽然比不上ClaudeOpus5、GPT-5.6Sol、还有KimiK3、这些顶级模型。
但是，正式版的V4Flash，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：
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，ClaudeFable5，GPT-5.6Sol这些模型比起V4Flash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V4Flash多了两0。
夸张一些的话，可以说DeepSeek又一次重新定义了模型的斩杀线。
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DeepSeekR1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AIME2024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。
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V4Flash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DeepSeekHarness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ClaudeCode，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。
这件事，可能比单独更新一个模型还要关键得多。
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。
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SuperProMax版本的Flash模型，已经开始期待起来了。
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DeepSeekHarness工具，跟GPT-5.6Sol、ClaudeFable5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V4Pro上呢？
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】