El 31 de julio por la tarde, al consultar el sitio web oficial de DeepSeek desde Phoenix Network Technology, se descubrió que la API de la versión oficial DeepSeek -V4-Flash se había lanzado en prueba pública. A diferencia de la lógica jerárquica anterior de "Pro fuerte, Flash débil", esta actualización libera una señal digna de atención: el rendimiento de la versión oficial Flash en múltiples pruebas de referencia (benchmarks) de Agentes (Agent), ya se acerca o incluso supera el nivel de la versión preliminar V4-Pro de hace tres meses.
El registro de cambios oficial muestra que la versión oficial V4-Flash obtuvo 82.7 puntos en Terminal Bench 2.1, 54.2 en NL2Repo, 76.7 en Cybergym y 70.3 en Toolathlon verified. Mientras que la versión preliminar V4-Pro obtuvo 67.9 puntos en Terminal Bench 2.0.
Es necesario aclarar que Terminal Bench 2.0 y 2.1 no son conjuntos de pruebas de la misma versión, por lo que una comparación directa no es completamente justa. Pero el hecho de que una versión ligera con solo 13 mil millones de parámetros activados obtenga tales puntajes en capacidades de Agente ya indica que el espacio de optimización en la fase de post-entrenamiento puede tener un efecto de palanca mayor que simplemente apilar parámetros.
Además, DeepSeek también aclaró que por el momento la prueba pública está limitada a la API, y las capacidades más recientes no están disponibles temporalmente en la aplicación (App) ni en la versión web. DeepSeek -V4-Pro versión oficial se lanzará lo antes posible.
"Solo se realizó post-entrenamiento nuevamente"
DeepSeek oficial declaró en el registro de cambios: "La estructura del modelo, tamaño y DeepSeek -V4-Flash-preview de DeepSeek -V4-Flash-0731 permanecen sin cambios, solo se realizó post-entrenamiento nuevamente."
Según el informe técnico oficial de DeepSeek , V4-Flash tiene 284 mil millones de parámetros totales, con 13 mil millones de parámetros activados; V4-Pro tiene 1.6 billones de parámetros totales, con 49 mil millones de parámetros activados. Ambos difieren en un orden de magnitud en cuanto a escala del modelo. Si Flash puede, a través del post-entrenamiento, llevar sus capacidades de Agente a un nivel cercano al de Pro, eso significa que para tareas específicas, la escala del modelo no es el factor determinante; el peso del método de entrenamiento y la calidad de los datos está aumentando.
Oficialmente también se especificó que, para las tareas de Agente de Código (Code Agent) en las pruebas de referencia públicas, se utilizó el marco DeepSeek Harness en modo minimalista para las pruebas, configuración máxima, topp=0.95, temperature=1.0. Este detalle sugiere que DeepSeek probablemente realizó optimizaciones específicas también a nivel del marco del Agente, no solo mejoras en el modelo mismo.
Esta es también la primera aparición oficial del Harness de desarrollo propio de DeepSeek bajo un nombre formal. Anteriormente, Liang Wenfeng había comparado la ruta de implementación de AGI con subir escaleras: el modelo de lenguaje es el primer escalón, el año pasado se resolvió el CoT (Cadena de Pensamiento), el escalón de este año es el Agente, y después del Agente, el problema que debe resolverse es el aprendizaje continuo: permitir que el modelo acumule experiencia a largo plazo como un ser humano, en lugar de requerir un contexto completo cada vez para funcionar. Más adelante, estaría el "punto de singularidad" de iteración autónoma y la inteligencia encarnada. "La IA ahora no carece de criterio e intuición, le falta capacidad de aprendizaje continuo", dijo, "los inversores miran al Agente, nosotros miramos cómo resolver el aprendizaje."
El aprendizaje continuo suena como una proposición a nivel de modelo, pero su punto de implementación en ingeniería reside precisamente en el Harness. DeepSeek formó su equipo de Harness para Agentes en marzo de este año. Al frente está Cui Tianyi, nacido en los 90, graduado en informática de la Universidad de Zhejiang, con 6 medallas de oro en las competiciones regionales asiáticas de la ACM, quien trabajó durante nueve años en la prestigiosa firma de cuantitativos Jane Street, y se unió a DeepSeek en marzo de este año, para luego reclutar activamente en mayo.
Según se supo, la planificación del Harness de DeepSeek se lanzará en paralelo con la versión oficial V4. Además, según lo expresado por DeepSeek al final del registro, "La versión oficial de DeepSeek-V4-Pro se lanzará lo antes posible."
Un enfrentamiento directo a nivel de ecosistema
Si la competencia de los grandes modelos en 2023 era "competir por capacidades generales", en 2024 fue "competir por contexto largo", entonces la palabra clave de 2026 es, sin duda, Agente.
La capacidad de Agente —es decir, la capacidad del modelo para planificar de forma autónoma, invocar herramientas y ejecutar tareas complejas— se está convirtiendo en la nueva vara de medir la fortaleza de un gran modelo. Desde Terminal Bench (operaciones de terminal), NL2Repo (generación de repositorios de código) hasta Cybergym (tareas de ciberseguridad) y SWE-bench (ingeniería de software), una serie de pruebas de referencia para Agentes está redefiniendo lo que es un buen modelo.
A nivel global, el primer nivel de capacidad de Agente sigue estando dominado por los gigantes de código cerrado. Según datos de plataformas de evaluación de terceros como benchlm.ai, las series GPT-5.6 Sol y Claude Opus ocupan los primeros puestos en la mayoría de las pruebas de referencia de Agentes. En el campo chino, GLM, Qwen y otros también están persiguiendo rápidamente.
La estrategia de DeepSeek al elevar significativamente la capacidad de Agente de Flash es clara: penetrar en el vasto mercado de aplicaciones de Agente con un modelo ligero de alta relación calidad-precio.
Después de todo, los escenarios de Agente son mucho más sensibles a la velocidad y el costo de inferencia que los escenarios de puro diálogo. Una tarea de Agente que requiere invocar herramientas repetidamente y realizar múltiples rondas de razonamiento, si se ejecuta con un modelo insignia, puede costar varias veces o incluso decenas de veces más que con Flash. Si Flash puede alcanzar un nivel de capacidad de Agente "suficiente o incluso bueno", su ventaja en relación calidad-precio será extremadamente poderosa.
Los dos conjuntos de pruebas internas publicados oficialmente también tienen objetivos claros. DSBench-FullStack (conjunto de pruebas interno de desarrollo full-stack) obtuvo 68.7 puntos, DSBench-Hard (conjunto de pruebas interno de problemas difíciles para Agentes de Codificación) obtuvo 59.6 puntos. Esto corrobora desde un ángulo el posicionamiento de DeepSeek : convertir a Flash en la base preferida para desarrolladores y aplicaciones de Agentes.
Una guerra silenciosa de ecosistemas también está comenzando. La versión oficial V4-Flash admite de forma nativa el formato Responses API y está específicamente adaptada para Codex.
Responses API es el nuevo formato de API promovido por OpenAI. En comparación con el tradicional Chat Completions, es más adecuado para escenarios de Agente: admite invocación de herramientas más flexible, interacción multirronda más compleja y control de salida más detallado.
La compatibilidad nativa de DeepSeek con este formato significa que los desarrolladores pueden migrar aplicaciones de Agente desarrolladas sobre el ecosistema de OpenAI a DeepSeek con un costo menor. Este será un enfrentamiento directo entre ambos a nivel de ecosistema.
La adaptación para Codex apunta al escenario vertical de generación de código y desarrollo de software. Codex es el modelo de OpenAI orientado al campo del código. La adaptación específica de DeepSeek equivale a desafiar directamente en el área tradicional de ventaja de OpenAI.
Vistos en conjunto, estos movimientos muestran que la ambición de DeepSeek va más allá de ser un "reemplazo barato"; es establecer su propio nicho en el ecosistema de la era de los Agentes.
Después de la financiación de 50 mil millones de yuanes: La ventana de tiempo bajo una alta valoración
Esta actualización llega menos de dos meses después de que DeepSeek completara su primera ronda de financiación externa.
Aproximadamente hace un mes, DeepSeek completó su primera ronda de financiación externa desde su fundación hace casi tres años, por un total de más de 50 mil millones de yuanes, estableciendo un récord de financiación en una sola ronda en la industria de IA china. La valoración posterior a la inversión fue de aproximadamente 52 mil millones de dólares (equivalente a unos 350 mil millones de yuanes). La lista de inversores incluye gigantes industriales como Tencent, CATL, JD.com, así como varios fondos industriales de capital estatal.
A mediados de julio, DeepSeek tenía la intención de avanzar en una nueva ronda de financiación privada, con una valoración previa a la inversión de aproximadamente 71 mil millones de dólares (equivalentes a unos 480 mil millones de yuanes), un aumento de aproximadamente el 37% con respecto a la valoración de 52 mil millones de dólares después de la primera ronda. De 52 mil millones a 71 mil millones, con un intervalo de menos de seis semanas.
Detrás de la alta valoración está el reconocimiento del mercado por la fortaleza técnica de DeepSeek , y también la apuesta por sus perspectivas comerciales. Pero la alta valoración también implica altas expectativas y alta presión.
Según múltiples informes de medios, el fundador de DeepSeek , Liang Wenfeng, invirtió personalmente alrededor de 20 mil millones de yuanes en la primera ronda de financiación, manteniendo un firme control de la empresa a través de una estructura especial. Este fundador proveniente de la firma cuantitativa Huanfang, que había insistido en invertir con fondos propios durante casi tres años, ahora pasó de "no buscar financiación, no cotizar en bolsa" a abrazar activamente el capital, lo cual es en sí mismo una señal fuerte: DeepSeek se está acelerando hacia la comercialización y una OPI.
El lanzamiento de la versión oficial de Flash podría verse como un cumplimiento técnico de DeepSeek con el respaldo del capital. Pero la verdadera prueba está por venir: ¿Podrá llegar la versión oficial de Pro según lo previsto? ¿Se podrá convertir la mejora en la capacidad de Agente en ingresos reales? Bajo la presión de gigantes como OpenAI y Anthropic, ¿cómo hará valer DeepSeek su estrategia de alta relación calidad-precio?
El telón de la guerra de los Agentes acaba de levantarse. DeepSeek plantea una nueva pregunta al sector con una gran evolución de un modelo ligero: cuando se exploten plenamente los beneficios del post-entrenamiento, cuando las mejoras de eficiencia comiencen a compensar las diferencias de parámetros, la lógica de competencia de los grandes modelos podría tener que reescribirse.
Este artículo proviene del WeChat Official Account "Phoenix Network Technology", autor: Phoenix Network Technology
