DeepSeek 把 V4-Flash 拉出預覽、送進正式 API 公測時，changelog 幾乎用一句話定調：架構與規模不變，只做了重新後訓練（re-post-training）。檢查點名 DeepSeek-V4-Flash-0731，呼叫 ID 仍是 deepseek-v4-flash；權重以 MIT 授權上架 Hugging Face；價目未動——快取未命中輸入 $0.14／百萬 token、命中約 $0.0028、輸出 $0.28。
真正炸裂的是對照表：在官方公布的代理／編程基準上，這個「較小、較便宜」的 Flash，全面壓過自家更大的 V4-Pro-Preview。
數字：小模型打贏大預覽
Hugging Face 模型卡與多家複述的對照（廠商自報，非獨立重跑）：
| 基準 | Flash-0731 | Flash Preview | V4-Pro Preview | Opus 4.8（對照） |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 82.7 | 61.8 | 72.1 | 85.0 |
| NL2Repo | 54.2 | 39.4 | 38.5 | 69.7 |
| Cybergym | 76.7 | 38.7 | 52.7 | 83.1 |
| DeepSWE | 54.4 | 7.3 | 12.8 | 58.0 |
| Toolathlon-Verified | 70.3 | 49.7 | 55.9 | 76.2 |
| Agents' Last Exam | 25.2 | 15.8 | 16.5 | 25.7 |
| AutomationBench Public | 25.1 | 10.8 | 12.8 | 27.2 |
| DSBench-FullStack† | 68.7 | 37.0 | 41.8 | 71.6 |
| DSBench-Hard† | 59.6 | 25.8 | 31.1 | 71.7 |
† 標為內部全端開發類測試。Terminal-Bench 從預覽 61.8 拉到 82.7（+20.9），並高過 Pro 預覽 72.1；Agents' Last Exam 與 Opus 4.8 的 25.7 只差 0.5。DeepSWE 從 7.3 跳到 54.4，幾乎是另一個產品。
MarkTechPost 另提醒：倉庫含推測解碼模組時 HF 參數顯示可到約 304B 量級；自架完整精度常對應多卡 GB300 級，3-bit 量化約需 ~110GB 記憶體量級——「MIT 可下載」與「筆電可跑」仍是兩件事。TechTimes 則把敘事推到下一問：若 Pro 正式版也做同等後訓練，1.6T 容量被「點燃」後，代理分數會不會再次換位？0731 的真正產業含義，可能是後訓練排程成為比參數軍備更稀缺的競爭力。
架構側維持熟悉規格：約 284B 總參數 MoE、每 token 約 13B 活躍、1M 上下文；倉庫另附推測解碼模組（與 DSpark 結構相關）。原生 Responses API、Codex 相容路徑被寫進發布敘事——明確瞄準代理工作流，而不只是聊天補全。
為什麼「只重訓」比「更大」更刺耳
若能力躍進主要來自後訓練資料與目標函數，而不是堆參數，採購邏輯要改寫。V4-Pro 預覽仍是 1.6T 總參、約 49B 活躍的旗艦候補；官方還說 Pro 正式版會「盡快」跟進。一旦 Pro 也吃同一套代理後訓練，差距可能再次拉開——也可能證明 Flash 已經吃到多數代理任務的甜區，Pro 變成長上下文／知識向溢價。
價格戰讀法同樣直接。Times Tabloid 等指出時點緊貼 OpenAI 調降 Luna 等價位敘事：Flash 維持 $0.14／$0.28，輸出端遠低於多數閉源快檔。Artificial Analysis 等第三方快照曾對預覽端點給出與官方一致的 Terminal-Bench 基線，增加「預覽分數可信」的旁證；0731 的跳升仍待獨立複測。Ofox 等比較還提醒：標價便宜不等於帳單一定最低——若模型為達分吐出更多 token，總帳可能被用量吃回去；多模態管線上 Gemini 等仍可能因原生影像／視訊更省整合成本。
自架門檻現實：完整精度仍要資料中心級節點；社群量化（如約 4-bit／約 155GB 級）讓工作站或 Mac Studio 級硬體開始可玩，但與「API 一鍵」不是同一產品。MIT 無門檻權重則明確打開商用自架與二次開發——這與Kimi K3 權重開放同屬開源壓力波，但 DeepSeek 這次打的是代理基準＋價格，不是參數量軍備賽。
開發者遷移與舊別名倒數
API 公測意味著生產流量可以開始切 deepseek-v4-flash。既有舊 chat／reasoner 別名下線倒數仍在——多家複述指向後續硬截止日，應以官方 docs 為準儘早遷移。評測注意：官方部分代理分數跑在未完全公開的 DeepSeek Harness／minimal mode；換你的工具鏈、提示與允許的網路權限，分數可能掉一截。Cybergym 76.7 很亮眼，但在評測代理誤連公網的氣氛裡，企業更應問隔離與監測，而不是只追榜。
對代理編排層（Codex 相容、Responses API）來說，0731 的意義是「便宜備援腦」突然變強。路由策略可以改成：簡單工具循環走 Flash，難題再升到閉源旗艦；但別假設官方 Terminal-Bench 會在你的 repo 權限模型下原樣成立。先用十個真實內部任務做 A/B，再決定流量切多少。
怎麼讀、怎麼買
把 0731 當「後訓練能釋放多少代理潛力」的案例，而不是「284B 永遠打贏 1.6T」。上線前用自家 Terminal／SWE／工具呼叫集重跑；盯 token 用量與快取命中，不只盯標價；自架則先算顯存與量化品質，再談 MIT 授權紅利。若你的工作負載是純文字代理，Flash 值得進短名單；若重度多模態，別被文字榜單帶走。
下一步看三件事：獨立評測機構能否複現 82.7 帶；V4-Pro 正式版是否複製同一後訓練跳躍；峰時加倍計費（官方曾暗示每日兩個北京時間窗口帳單翻倍）何時生效。DeepSeek 這次沒有用新架構震驚世界——它用同一具引擎、換一罐燃料，就讓自家旗艦預覽在代理賽道上顯得過時。對閉源實驗室，這比又一個萬億參數預告更難回應。
和歐盟透明度義務同日生效放在一起讀，會看到分裂的 8 月開局：一邊是監管要求產品說清楚「你在跟 AI 說話」，一邊是開源權重把代理能力的單位成本再往下壓。便宜且可自架的代理模型，會讓更多中小團隊跑起會呼叫工具的流程——也讓「誰該標示、誰該負責」的問題更快從大廠擴散到整條中小軟體供應鏈。
最後提醒評測衛生。Flash-0731 在 Cybergym 很高，不代表你可以把它丟進未隔離 runner 做「真實攻擊演練」。把代理評測當生產級隔離來設計，已是本季血淚教訓；便宜模型只會讓更多人跑得起這種評測，不會自動讓評測變安全。