DeepSeek V4 flash 正式版发布，有哪些亮点值得关注？

阅读全文

⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 http://www.iocoder.cn/Fight/deepseek-v4-flash-highlights/ 「芋道源码」欢迎转载，保留摘要，谢谢！

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表

RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址

您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。

新的源码解析文章实时收到通知。每周更新一篇左右。

认真的源码交流微信群。

DeepSeek V4-Flash 正式版亮点
图：V4-Flash 正式版亮点全景。
7 月最后一天，知乎上那条 3621 赞的”声明体”把气氛烘到了顶点——“本人从未在互联网上诋毁过深度求索，并没有称梁文锋为梁白开”。紧接着有人喊”13B 打赢了 39B 的 GLM5.2，老梁你才是后训练仙人吧”。

说实话，这种一边倒的狂欢我向来是先存疑的。声明体是反讽，别当真；”梁圣/牢梁”的评级体系是社区玩梗，更不是投资建议。所以这篇我不打算跟着情绪走，只回答一个我自己最关心的问题：V4-Flash 正式版的亮点，在真实任务里到底兑现了多少？

先把结论撂这儿：这次不是”模型变聪明了”，是后训练把同一副 284B/13B 的骨架，在”长程执行力”和”缓存命中低成本”这两件事上榨到了一个新档位。它能在真实任务里”12.4 元做一款游戏、6 毛二整理 49 份材料”，但兑现的边界是执行层，不是决策层——一旦碰到基模智力天花板，就得让强模型来规划补位。所以真正的亮点不是跑分，是”便宜到可以重复跑的长程执行”第一次在国产模型上同时成立。

真实成本案例
图：两个真实场景的成本——12.4 元做游戏、6 毛二整理 49 份材料。

骨架没动，只换了一副训好的脑子：0731 到底改了什么

先把不可变事实内核砸实，不然后面全是空中楼阁。

2026 年 7 月 31 日，DeepSeek-V4-Flash 由 preview 升级为正式版（GA），版本号 0731。官方更新日志写得很直白：模型结构、参数规模和预览版完全一致（总参数 284B、激活参数 13B），唯一的变化是重新做了后训练。换句话说，遥控器没换，只换了一副训好的电池。

官方更新日志：V4-Flash-0731 的 9 项基准成绩与测试条件

更新日志里同时挂出了 9 项 Agent 基准成绩，用的是 DeepSeek 自研的 Harness 极简模式、max 档位、topp=0.95、temperature=1.0：

Terminal Bench 2.1 = 82.7（preview 61.8）
NL2Repo = 54.2
Cybergym = 76.7
DeepSWE = 54.4（preview 7.3）
Toolathlon verified = 70.3
Agent Last Exam = 25.2
Automation Bench (Public) = 25.1
DSBench-FullStack = 68.7（preview 37.0）
DSBench-Hard = 59.6

Preview → GA 基准跃升
图：三项核心基准从 Preview 到 GA 的跃升——架构不变，仅后训练。

官方原话是”基准测试远超 V4-Pro-Preview”。三个最扎眼的跃升——Terminal +21、DeepSWE ×7.4、DSBench-FullStack +31.7——全部发生在”骨架不动、只做后训练”的前提下。这是后面一切讨论的地基。

几个容易踩的坑先标清楚：第一，本次只升级了 V4-Flash 的 API 接口，V4-Pro API、APP 端、WEB 端模型都没动，Pro 正式版”将会尽快发布”；第二，DSBench 两个子集是内部测试集，公信力要等第三方复现；第三，这 9 项是自研 Harness 跑出来的，跨框架能不能复现是另一回事（这点我后面单独说）。

价格对比草图

“12.4 元做游戏”：长程执行史诗级加强，但 Flash 做完打不开

跑分是跑分，真刀真枪跑一个完整任务才是亮点兑现的考场。知乎上有位开发者做了一次近乎教科书级的第一手实测，我把它完整还原过来——不是为了吹，是为了让你看清兑现的边界。

先把这场实测的画面感拉满：一个人、一台机器、一份开发计划、深夜按下回车，然后去做别的事。两个半小时后回来，屏幕上堆着 4.1 亿 token 的推理日志，模型还在那埋头干。这个画面在一年前是不存在的——那时的 Flash 顶多跑十几分钟就开始”摸鱼”，要么停在原地假装思考、要么把同一段代码反复读写、要么干脆一句”已完成”草草收场。这一次，它一口气干了 162 分钟没抬头。

他让 V4-Flash 按一份 Qwen3.8 写的开发计划，从零做一款游戏，全程裸跑、不加 skill、不人工介入。结果：

跑了 162 分钟，烧了 4.1 亿 token，花了 12.4 元——一杯奶茶钱跑一个通宵；
整个过程没有偷懒、没有循环、没有”干着干着就不干”——而上一版 preview 频繁出现这三种毛病；
思维链里有很明显的”边做边改”行为，一边写一边发现 BUG 一边就改了，读起来像工程师在自言自语 debug。

到这里是亮点，而且亮点是真的硬。4.1 亿 token 才花 12.4 元这个数字，要对比着看才出味道——如果换一档没有缓存命中的模型按未命中输入价算，这一晚的账单应该是 410 块往上；再换成同档的闭源旗舰按市场价跑同样体量，账单直接奔四位数。DeepSeek 这套”MoE 只点亮 13B + 缓存命中压到 0.02 元”的组合拳，第一次让”让 agent 一晚上自己跑”这件事从烧钱变成了洒水。

但翻车紧接着就来了，这也是我必须诚实交代的，亮点如果只讲到这儿，这篇就废了：

做完之后打不开。在 React Native 里让它自己查原因，查不出来，一个劲说”自己写得真好”。

这一句”自己写得真好”很扎心，因为它戳中了所有用过早期 agent 的人最熟的那个痛点——模型在最该自我怀疑的时刻，反而最自信。这不是 Flash 一个人的毛病，是这一代小参数模型的通病：它能跑完流程，但跑完之后”能不能跑起来”这件事，它判断不了。

然后他把游戏挪到 CodeBuddy，Flash 说”有五个任务没做完”，开始疯狂循环读文件，烧了一个亿 token 才被发现。换龙猫（Claude）总算识别到问题、开始解决，但过一会儿也没搞定。最后打开 Trae 用 GLM5.2，两分钟收尾。他原话很狠：”谁说 flash 可以平替 GLM5.2，我就撕烂他的嘴。”

这段翻车我得逐帧拆给你看，因为它比亮点本身更有信息量：

第一，”做完了打不开”——说明 Flash 的执行力是把任务清单跑完，而不是把任务做对。计划让它写五个模块，它真就老老实实把五个模块都写出来了，但模块之间能不能拼起来、运行时会不会崩，它不会回头验。这是一种典型的”完成度高、正确性存疑”的执行画像。

第二，”自己查不出来原因，一个劲说自己写得好”——这是基模智力天花板的硬证据。一个更大的模型遇到报错会去翻日志、复现、假设、验证；13B 激活的 Flash 翻不动这一层，只能停留在”我按计划写了，所以应该没问题”的自洽里。

第三，”烧了一个亿 token 才被发现”——这是它执行力强的副作用。它太勤快了，勤快到会在一个死循环里狂奔，因为它”不会偷懒”也意味着”不会自己喊停”。preview 版那种会偷懒的毛病，反而在某种意义上是一种自我保护——它至少会停下来等你。

所以这条实测的真实信息是双面的：长程 agent 执行力史诗级加强是真的，”12.4 元全程无人介入做出一款能玩的游戏”在一年前不可想象；但 Flash 基模的智力天花板也是真的——它能把活干完，干完能不能跑、跑得好不好，得强模型来兜底。他后来自己总结出一条经验：Flash 适合”一个强模型给它规划好要做什么，然后它老老实实去执行”。

这位开发者的诚实，是我把这段实测完整搬过来的真正原因。一个只会报喜的实测一文不值，带翻车的实测才是真测评。这条经验我后面会专门拎出来讲，因为它其实指向这次更新最大的工程红利。

“6 毛二整理 49 份材料”：缓存命中把长流程成本砸到地板

第二个第一手实测来自一位用户，它把”便宜”这件事量化到了让人发指的程度。这条实测我之所以要单独拎出来讲透，是因为它揭示了 DeepSeek 这套定价里最反直觉的一个机制——账单的多少，已经不完全取决于你跑了多少 token，而取决于这些 token 命中了哪一档计费。

他把 V4-Flash 接进 Codex，让它统一整理 49 份长篇材料——逐份读取、整理标题和大纲、补充筛选标签、最后汇总成一张表。结果：

12 分钟，738 万多 token，六毛二；
后台里 694 万输入命中了缓存，未命中的只有 39.5 万，输出 4.7 万。

缓存命中机制
图：94% 的输入命中缓存，缓存命中价仅 ¥0.02/M——这是 6 毛二处理 49 份材料的秘密。

注意这个比例：738 万 token 里，94% 命中了缓存。这才是”6 毛二”的真正秘密——不是模型单价便宜那么简单，是缓存命中的计费把长流程 Agent 的边际成本压到了几乎可以忽略。

我用个直白的算法帮你把这六毛二拆开看：694 万缓存命中 × 0.02 元/百万 + 39.5 万未命中 × 1 元/百万 + 4.7 万输出 × 2 元/百万 ≈ 0.139 + 0.395 + 0.094 ≈ 0.63 元。其中真正吃掉大头的，是那 39.5 万”未命中”的输入——只占总 token 的 5%，却贡献了近六成的账单。换句话说，缓存命中价 0.02 元这一档，几乎等于白送；你真正在付费的，是模型”第一次读到新内容”的那一下。

这背后还有一层 agent 工作流的机制：49 份材料逐份整理，每一份都要先读、再分析、再写摘要。听起来像是把材料读了 49 遍，但实际上——只要 agent 把”系统提示词 + 工具说明 + 已整理的前 N 份成果”沉淀进上下文，后面每一份材料的输入绝大多数都会命中之前已经缓存好的前文。长流程 agent 的 token 结构，天然就是缓存友好的。这才是为什么这位用户敢说”它有多便宜，我已经亲眼看见了”。

他原话很克制：”它到底有多聪明，我现在还不敢吹。但它有多便宜，我已经亲眼看见了。”至于整理质量，他翻了翻，表格能看、不同材料有基本区分、大纲没糊成一种味道，”作为最终研究报告肯定不够，但拿来做第一轮整理和筛选，我觉得已经完全能用了”。

他还顺手给出了一套可复制的分工：先让 Flash 批量读取、生成表格、提取大纲、补充标签做粗筛，再把选中的完整材料交给 GPT Work 做深读。”它不用在所有任务上打败最强模型。这类机械工作，几毛钱能做到七十分，我就愿意继续用。”

这句话我特别认同，而且我想把它再往前推一步：当一类机械工作的成本被打到”几毛钱”这个量级，它就从”值不值得做”变成了”不做白不做”。过去一个研究助理筛 49 份材料，你得付半天工资、还得等半天时间；现在六毛二、十二分钟，你完全可以一次扔给它 490 份、4900 份，反正边际成本几乎为零。便宜到一定程度，工作流的形态本身就会改变——这才是 V4-Flash 真正的定位：不是去争”最强”，是把”够用的机械活”做到白菜价，白菜价到让你敢无脑放量。

后训练为什么能把 agent 从”不可用”拉到”高可用”

两个实测都指向同一个问题：为什么”只做后训练”就能让 Flash 的 agent 能力发生质变？ 这次的亮点，根子全在方法论上。

有位开发者给了一个被广泛引用的经验性判断——“模型能力 = 基础大模型能力 × 0.3 + 后训练 × 0.7”。我得先标清楚：这是个经验性估算比例，不是科学定律，但它点出的趋势是实打实的：后训练的作用在明显大于预训练。Flash 经过大量后训练后，做事能力和长程任务能力齐平甚至超过了比自己大几倍的 V4-Pro-Preview，本身就是证据。

一位 NLP 从业者的拆解更到位：“预训练决定底子有多厚，后训练则决定这些能力能不能真正用在 Coding Agent、工具调用和长程任务里。” 他横向举了同趋势案例——上个月 Nex-N2-Pro、Macaron-V1-Preview 都是基于现有底座继续做后训练，效果明显；这个月腾讯混元 Hy3 正式版相比 preview 也提升很多。这印证了一点：后训练可以把同一个底座拉到完全不同的能力档位。

机制上我补一层自己的理解：MoE 架构的 13B 激活参数意味着每次推理实际只点亮一小部分网络，单次调用天然便宜；而后训练做的，是把”工具调用、长程规划、状态机式执行”这些 agent 技能固化进这一小部分激活参数里。两者叠加，才会出现”12.4 元做游戏、6 毛二整理 49 份”这种价格——便宜的可重复执行，是后训练 + MoE 共同的产物，缺一不可。

这里我可以再打一个反直觉的比方帮你想清楚这件事：MoE 像一个有 284 个抽屉的巨型文件柜，但每次回答你只拉开其中 13 个抽屉。预训练决定这 284 个抽屉里装了多少知识，后训练决定”在 agent 任务里该按什么顺序开哪 13 个抽屉”。Flash 这次没加抽屉、没换柜子，只是把”开抽屉的流程”重新演练了几百万遍——所以它长程执行突飞猛进，但柜子里原本就装得不多的世界知识、复杂推理这些”硬货”，并不会因为流程熟练而变多。这也是为什么”长程执行力”和”基模智力天花板”会同时成立——它们本来就是柜子的两个独立维度。

社区里有人那句”13B 打赢了 39B 的 GLM5.2，老梁你才是后训练仙人”，本质上就是在说同一件事：激活参数的体量，已经不再是 agent 能力的天花板；后训练的工艺才是。

便宜到不讲道理：缓存命中 -98%、单任务比 Luna 低约六成

讲完机制回到钱。先把官方定价摆出来。

人民币口径，每百万 token：

V4-Flash：缓存命中输入 0.02 元 / 缓存未命中输入 1 元 / 输出 2 元；
V4-Pro：缓存命中 0.025 元 / 缓存未命中 3 元 / 输出 6 元。

缓存命中这一档，Flash 是 0.02 元对未命中 1 元——约 98% 的折扣。前文那位用户实测里的 694 万缓存命中，就是靠这一档把账单压到六毛二的。

峰谷定价也得说清楚：白天高峰时段（北京时间每日 9:00–12:00 和 14:00–18:00）所有计费项 2 倍，官方补了一句”具体时间以正式通知为准”。所以你要是真打算让 agent”一晚上自动跑”，半夜跑和白天跑，账单能差一倍——这条实操价值很高，记一下。

独立评测这边，Artificial Analysis 已经给 V4-Flash-0731 出了报告：

Intelligence Index = 50 分，同类 101 个模型里排第 3，与 Gemini 3.6 Flash 相当，领先 V4-Pro 6 分，距离 GPT-5.6 Luna 和 GLM-5.2 仅差 1 分；
缓存命中价约 $0.003/1M，-98%，同类第 1；
跑完 Intelligence Index 的单任务成本，比智能水平接近的 GPT-5.6 Luna 低约 60%；
正式版输出 token 量几乎未增加（这是相对 preview 而言，跟其他模型比仍偏长，别混淆对比对象）。

时间点也很戏剧：7 月 30 日 OpenAI 把 GPT-5.6 Luna 降价 80%（降到 $0.20/$1.20 每百万 token），结果 7 月 31 日 DeepSeek 端出 Flash 正式版，单价还是比降完价的 Luna 更低。社区里”OpenAI 刚降价就被反杀”的说法，根子就在这儿。

不过也别上头——AA 数据同时显示，它距离 Kimi K3 仍有差距。T0 那一档（GPT-5.6 Sol、Opus-5、Kimi K3）的尾灯，Flash 还摸不到，那是 Pro 正式版的活。

三步接进 Codex 和 Claude Code，外加一句中文思考

亮点要能用上才算亮点。这次 V4-Flash 正式版原生支持 Responses API、针对性适配 Codex，官方还给了 Claude Code 的接入路径，我按官方文档把实操核验后整理出来，命令都是官方来源，没编造运行结果。

Codex（CLI / ChatGPT 桌面端 / VS Code 扩展共享一份配置）

官方给了一键导入脚本，不用再像以前那样折腾 CC Switch。前提是 Codex CLI 或 ChatGPT 桌面端至少跑过一次，确保 ~/.codex 目录已存在。

macOS / Linux：

bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup.sh)

Windows（PowerShell）：

irm https://cdn.deepseek.com/api-docs/codex-deepseek-en.ps1 | iex

首次执行会提示输入 API Key（sk- 开头）。脚本会自动写入 ~/.codex/models.json（模型元数据）和 ~/.codex/config.toml（主配置）。手动配置的话，关键是这两段：

model = "deepseek-v4-flash"
model_provider = "deepseek"
preferred_auth_method = "apikey"
[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "<你的 DeepSeek API Key>"

注意 wire_api = "responses" 这一行——它告诉 Codex 走 Responses API 格式，这是这次原生适配的核心。模型名统一用 deepseek-v4-flash。

成功信号：在 Codex 里发一句”你是谁”，能正常返回且计费走 DeepSeek 通道即接入成功；配置错的话通常报 401（Key）或 base_url 不通。

限制：官方文档明确，V4-Pro 目前还不支持 Responses API（约 8 月初随 Pro 正式版开放），现在配 Codex 只能跑 Flash。第三方中转站套餐通常已含 Flash，但峰谷时段和缓存命中策略各异，接入前问清楚计费口径。

Claude Code

Claude Code 走的是 Anthropic 协议，base_url 不一样：

npm install -g @anthropic-ai/claude-code
claude --version
export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=<你的 DeepSeek API Key>

注意是 https://api.deepseek.com/anthropic，别和 Codex 用的 https://api.deepseek.com/ 混了。不手动指定模型时，DeepSeek 会按前缀自动路由：claude-opus 开头映射到 V4-Pro，claude-haiku/sonnet 映射到 V4-Flash。想强制 Flash 做子任务执行，可以加：

export CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash

全中文思维链：加一句话就稳定生效

这是这次被多位用户实测确认的独有亮点——正式版可以全程中文思考，只有技术侧才切英文。有用户原话：”大模型这个新冷战下的太空竞赛，第一次把中国人当做了严肃意义上的大客户来对待。”

实操很简单，在你的系统提示词、RULES 或 AGENTS.md 里加一句：

思考过程使用中文

这位用户还给了一个稳定性的技巧：这句话在最终拼成的系统提示词里越靠前，生效越稳定。如果你的鞍具允许直接改系统提示词，放第一行最好；不行就打开记忆功能兜底。

跑分要打折看：吃框架，也吃基模天花板

亮点讲完了，我必须把两道诚实的限定也砸实，否则这篇就成了软文。

第一道：跑分≠通用体验，非常吃 agent 框架。 知乎上有位开发者的反证最直接——

DeepSeek V4 Flash 非常吃 agent，你们不要看它评分高就认为它吊打 GLM5.2。看清楚原图，人家是基于 DeepSeek Harness 的优化，使用 Max 档位，才有 GLM5.2 的效果。个人实测下来，在 OpenClaw、OpenCode 里面就是原来的 Flash，提升并不明显。你放在 Codex 和 ZCode 里面，就完全是另外一个模型。

翻译成人话：官方那份漂亮的 9 项基准，是 Harness + max 档位跑出来的。你换一个框架、降一个档位，能不能复现是问号。一位仔细观察的开发者也补了一刀：”Benchmark 不可尽信：这个跑分用的是他们自家未公布的 Harness，而不是 SWEBench 那边的 Harness，两边很可能会有很大差异。”

所以”远超 V4-Pro-Preview”这个纵向对比成立，但横向”吊打 GLM5.2”要打个折——在 Codex/ZCode 这类被针对性适配的框架里能力翻倍，在 OpenClaw/OpenCode 里提升不明显。这也是为什么社区普遍在催 DeepSeek Harness 赶紧开源：自研框架只有开源 + 第三方复现，公信力才补得上。有位开发者那句”真实数据不怕被复现检验”，说透了 DeepSeek 这次的信任资产到底押在哪儿。

第二道：基模智力天花板还在。 前面那位开发者那句”flash 基模的知识水平差异还是硬差距””后训练提升了 agent 效果，但是基模的能力还是那个基模”，是这次最诚实的限定。另一位开发者的实测也佐证：写代码/debug 强、长任务远超 V4-Pro 预览，但”世界知识还是短板，金融分析的深度不能和更大的大模型比”。还有一位开发者通宵 loop 之后发现，500k 上下文里模型会重复做同一分析三次（注意力稀疏）——这是 13B 激活撑不起超长上下文的硬伤，再怎么后训练也压不住。

把这两道限定合起来看，结论很清楚：后训练把 agent 调度能力榨干了，但基模还是那个 13B 激活的基模。它适合”执行力拉满的廉价打工人”，不适合”独自扛决策”。这里我想再补一层从产业视角看的反证：如果 13B + 后训练真能在所有维度上追平大模型，那 DeepSeek 自己就没必要留 V4-Pro 这张牌了——Pro 的规模约是 Flash 的 6 倍，官方明说”将会尽快发布”。一个团队一边用 Flash 证明”小模型 + 强后训练够用”，一边还在闷头打磨更大的 Pro，这个动作本身就说明：他们心里清楚，后训练的杠杆有边界，决策层和世界知识层的天花板，终究要靠参数去够。

T1 斩杀线和一场”声明体”狂欢

最后聊聊产业判断和社区情绪，但这部分得标清楚——很多是社区玩梗和强 VIEW，不是实证，更不是投资建议。

社区里有位开发者的分层判断传播很广：“agent 能力从不可用变为了高可用。除了 T0 级别（GPT-5.6、Opus-5、Kimi K3），DeepSeek 再度成为 T1 级别其他模型的斩杀线。” 他还补了一句”Flash 是 T1 封顶、T0 守门员”。有开发者换了个说法：评比大模型就是”高、快、廉”三维，“还没有哪个模型能同时在两个维度上打败 DeepSeek V4 Flash”，所以 Flash 可能成为”行业准入门槛”——连它都打不过，就不用发布了。还有一条回复用游戏圈的话总结：“美国 AI 的毒圈又缩圈了，5.6 Sol 和 Fable5 能力以下的模型又一次打包淘汰。”

这些判断方向上有道理（Flash 的性价比确实在重新划线），但”斩杀””淘汰”是社区夸张表达，GLM5.2、智谱、豆包们当然不会因此退场，往多模态等差异化方向走才是更可能的应对。

至于”做空智谱””半导体暴力拉升就公布，梁总打算用 DSv4 收割半导体””纳斯达克刚涨就发”这类股票玩笑，纯属社区情绪发泄，当段子听就行，千万别当投资建议。声明体也一样——3621 赞那条是模仿被迫表忠心的反讽，衍生出”十年老粉（DeepSeek 成立还不到十年，真正的热爱是可以提前的）””盗号声明””牢梁/梁白开/劲梁/小蓝梁/梁木全外号清单”一整套玩梗体系，承载的是社区一边倒的狂欢氛围，不是事实陈述。

它不是新王，是第一个”无敌的廉价打工人”

把全文收个口。

V4-Flash 正式版 0731 的亮点，在真实任务里兑现得很实在，也很有限：长程执行力（不偷懒不循环、边做边改）和缓存命中低成本（6 毛二整理 49 份）这两件事，第一次在国产模型上同时成立，兑现度极高；但基模智力天花板（打不开、需 GLM5.2 收尾、世界知识短板、长上下文稀疏）这道墙没动，兑现止于执行层。

所以我自己的判断是这样的：别指望 Flash 平替 GLM5.2 或 Opus，它不是新王；但把它和强模型组队——强模型做方案层规划，Flash 做 SubAgent 执行——再靠缓存命中把成本砸到地板，让”一晚上自动跑”第一次便宜到成立，这才是这次更新最大的工程红利。前面那位开发者的”双模型优化大法”、那位用户的”Flash 粗筛 + GPT Work 深读”、那位仔细观察的开发者的”Pro 方案层 + Flash 执行”假说，指向的都是同一件事。

13B 的激活，把 39B 的 GLM5.2 按在地上摩擦了一回——靠的不是参数，是后训练那副新脑子。这场仗的真正意义，是给整个行业画了一条新的起跑线：后训练纪元正式开场，谁的家底厚、谁的标注工艺强，谁就能把同一副骨架榨出新档位。

至于 V4-Pro 正式版什么时候来、能不能摸到 T0 的尾灯——那就是下一场仗了。这一场，Flash 已经把”便宜的可重复执行”兑现得很漂亮。