8月1日零点知乎热榜：DeepSeek V4 Flash 正式版上线，Agent 跑分强但不是全端升级 (2026)

截至 2026 年 8 月 1 日 00:00，本轮知乎热榜工具实际返回 30 条。最明确的 AI 新事实只有一组：DeepSeek-V4-Flash-0731 已进入 API 公测，但这不是 App、网页端和 V4-Pro 一起升级。它的看点在 Agent 任务的后训练和接口适配，官方跑分很强，真实价值仍要看独立复现和实际任务成本。

综合排序	知乎热榜问题	榜单信息	本期判断
1	DeepSeek V4 flash 正式版发布，有哪些亮点值得关注？	第 1 名，2511 万热度，592 个回答	这是发布事实本身，重点看 API、Agent 基准与模型边界。1
2	DeepSeek V4 正式版发布，使用体验如何？和降价后的 GPT5.6 luna 对比谁更有优势？	第 5 名，224 万热度，39 个回答	这是同一发布的体验和价格讨论，不能另算一条新品。2

发生了什么

DeepSeek 官方更新日志把 7 月 31 日的变化写得很清楚：DeepSeek-V4-Flash 正式版 API 进入公测，调用模型名改为 deepseek-v4-flash，模型结构和尺寸与 V4-Flash-Preview 保持一致，只重新做了后训练。它原生支持 Responses API，并针对 Codex 做了适配。3

DeepSeek 官方账号在北京时间 7 月 31 日 14:56 发布了同一消息，表述重点是「Agent 能力大幅升级」和「超过 V4-Pro-Preview 的基准表现」。这条帖子能证明发布方的公开口径，不能单独证明所有真实开发任务都已经超过更大的模型。4

Loading content card…

这次发布还有三个容易被热榜标题混淆的边界：

更新对象是 API。TechNode 报道确认，V4-Pro API 以及 DeepSeek App、网页端模型都没有随本次更新改变。V4-Pro 正式版仍是「即将发布」的状态。5
模型没有换架构。这更像一次后训练和 Agent 交付能力的升级，而不是参数规模扩张或新一代基础模型重训。
Flash 和 Pro 仍不是同一档硬件规模。36 氪引用 DeepSeek 技术报告称，V4-Flash 总参数约 2840 亿、激活参数约 130 亿；V4-Pro 总参数约 1.6 万亿、激活参数约 490 亿。小模型在特定 Agent 任务上追近大模型，才是这次发布值得观察的地方。6

跑分强在哪里，不能说明什么

DeepSeek 公布了 9 项 Agent、代码和自动化测试结果：

测试组	官方公布结果
Terminal Bench 2.1、NL2Repo、Cybergym、DeepSWE、Toolathlon verified	82.7、54.2、76.7、54.4、70.3。3
Agent Last Exam、Automation Bench (Public)、DSBench-FullStack、DSBench-Hard	25.2、25.1、68.7、59.6。后两项是内部测试集。3

这组数据说明 DeepSeek 正在把 Flash 的卖点从「便宜的通用模型」推向「能完成多步骤工作的 API」。但它有两个限制不能略过：公开 Code Agent 任务使用了即将发布的 DeepSeek Harness 极简模式，并采用 max effort、topp=0.95、temperature=1.0；内部测试集的题目、样本和复现实验条件也没有公开。换句话说，分数能证明发布方选择了 Agent 作为主战场，暂时不能替代第三方的同条件横评。3

Artificial Analysis 的页面提供了另一把尺：V4 Flash 0731 的 Intelligence Index 为 50，记录的 API 价格为每百万输入 token 0.14 美元、输出 token 0.28 美元，上下文窗口为 100 万 token。该页面还标明它只支持文本输入输出，不支持图片输入。这个结果支持「低价、长上下文、Agent 任务」的产品定位，却也提醒开发者：需要视觉理解的工作流不能只看代码基准。7

外部实测给出的另一面

YouTube 上的中文评测「DeepSeek V4 Flash 全面实测」把模型接入 Claude Code，作者自报连续测试了游戏、SVG 动画、Manim 可视化和原生 iOS App，并记录了约 1.42 元的总成本。视频还指出，在复杂 Godot 游戏任务中上下文可能很快占满。这里有可复查的任务过程，但成绩、成本和「能否替代 Opus」仍是视频作者自己的测试口径，不能和官方基准混成一张排行榜。8

Open on YouTube· Useful if the embedded player asks you to sign in

Loading content card…

这恰好把产品价值说得更准确：它可能已经适合承担代码生成、工具调用和长上下文分析中的一部分工作，但「一部分工作」不等于所有 Agent 工作。复杂项目还会受上下文管理、工具链、失败重试、输出审查和多模态输入限制影响。

知乎公开回答摘要：受限版

知乎答案接口本轮返回的是按更新时间排列的当前可见切片，不是可以证明为实时点赞全量排序的前三。下面按本次返回片段中的赞同数整理，读者应把它看成热榜讨论样本，而不是完整高赞榜。

第 1 名问题：发布亮点

当前可见的 5 条答案中，最高赞同数为 1，出现并列：

大海，1 赞：用同一提示词比较 V4-Pro 预览版和 V4-Flash 正式版，认为后者的文字表达少了「人机味」。这是单个用户体验，能说明感知差异，不能证明普遍性能提升。9
羊年春晚总导演，1 赞：把注意力放在 Flash 的参数规模、价格和 Agent 能力上，试图说明后训练和工程优化可以抵消部分规模差距；其中与其他模型的直接比较没有附同口径来源。10
平平淡淡，0 赞：回应集中在「又更新了」和对国产模型竞争的情绪化感受，没有提供可核验的技术细节。11

第 5 名问题：体验与价格比较

当前可见的 5 条答案中，最高一条有 55 赞，之后有两条各 1 赞：

极个别同志，55 赞：用调侃方式表达老板从吹捧其他模型到转向 DeepSeek 的反差，反映的是价格战和模型切换的讨论氛围，不是性能测试。12
情欣不念，1 赞：把 V4 Flash 放在 GPT5.6 Luna 降价后的竞争环境里，强调低价 Agent 模型的截击意味；其价格、跑分和对手比较属于答主转述，不能直接当作官方数据。13
MNACSTMSYSD，1 赞：只留下「跑分出来了」和一张图片提示，无法从公开文字中恢复具体测试内容，因此只能记录为短评，不能扩写成观点。14

接下来观察什么

V4-Pro 正式版是否真的按计划发布：如果 Pro 很快跟进，Flash 的定位会更像高性价比 Agent 主力；如果继续只有 Flash 更新，API 端可能会成为 DeepSeek 更快迭代的试验场。
官方 Harness 能否被外部复现：同一任务换用公开工具链、不同推理预算和不同失败重试策略后，分数是否仍然领先，决定这次升级是模型能力，还是模型与专用 Harness 的组合效果。
成本要按完成任务计算：0.14 美元的输入价格很低，但长上下文、重复调用和失败重试会改变最终账单。真正该比较的是完成一个代码修改、部署或研究任务需要多少 token 和人工检查。
多模态短板是否补上：当前第三方页面仍将它标为文本模型。对代码和文本 Agent 之外的图像、界面操作任务，不能沿用纯文本基准的结论。

来源边界

本轮 X 上有 DeepSeek 官方发布帖，YouTube 有具体实测，TechNode 和 Artificial Analysis 也提供了可打开的外部材料。微信公众号检索覆盖了 2026 年 7 月 30 日至 8 月 1 日的相关条目，但返回内容主要是营销号和泛 AI 文章，没有一篇能稳定读取且增加 V4-Flash 发布事实的可靠原文，因此没有把它们列为证据。这个缺口不影响已确认的发布事实，但意味着本期没有公众号一手材料可供交叉核对。

截至零点，最稳妥的结论只有一句：DeepSeek V4 Flash 正式版把竞争点从「更大的模型」推向了「更会完成 Agent 任务的 API」，但官方跑分、第三方评测和真实项目效率仍是三件不同的事。

8月1日零点知乎热榜：DeepSeek V4 Flash 正式版上线，Agent 跑分强但不是全端升级