实测 DeepSeek V4 正式版：3 块钱干完 5 件事，AI「智价比」之战开打了
内容提要
科技圈同日迎来两大模型动态：OpenAI宣布GPT-5.6系列大幅降价，DeepSeek发布V4-Flash模型，通过后训练强化推理与代码能力，价格不变。竞争焦点从能力上限转向“智价比”。实测中，V4-Flash以2.85元完成5个复杂任务，包括数据分析、游戏开发等，表现优异，预示Agent时代来临。
延伸解读
后训练：不换模型也能提升能力
DeepSeek V4-Flash 的升级并非通过扩大模型规模，而是依靠后训练（Post-Training）强化推理与工具调用能力。这类似于员工入职后的专项培训，而非更换新人。官方数据显示，其在 Terminal Bench 2.1 和 DeepSWE 测试中的得分大幅提升，表明模型在拆解任务、使用工具和连续执行方面进步明显。这提示我们，在参数规模之外，训练方法和数据质量同样能挖掘模型潜力。
智价比：Agent 落地的关键因素
文章指出，Agent 任务往往需要连续调用模型数十次，成本直接影响其能否投入实际工作。DeepSeek V4-Flash 维持低价，OpenAI 也大幅降价，竞争焦点从能力上限转向“智价比”。实测中，V4-Flash 以 2.85 元完成 5 个复杂任务，包括数据分析、游戏开发和 API 调用，说明低成本模型也能高效完成复杂任务，为开发者降低 Agent 应用门槛提供了可能。
实测局限与参考价值
虽然 V4-Flash 在 5 个任务中表现优异，但文章也强调这无法测出模型全部能力。测试任务偏向代码生成和网页开发，未覆盖多轮对话、逻辑推理等场景。此外，测试中未追加提示，实际使用中用户可能需要更多交互。因此，这些结果可作为参考，但开发者仍需根据具体需求评估模型适用性，避免过度依赖单一测试结论。
Q&A
DeepSeek V4-Flash 的 API 价格是多少？
DeepSeek V4-Flash 的 API 价格保持不变，每百万 token 输入 1 元、输出 2 元。
DeepSeek V4-Flash 相比预览版有哪些提升？
V4-Flash 通过后训练强化了推理与代码能力，在 Terminal Bench 2.1 中得分从 61.8 涨到 82.7，在 DeepSWE 测试中从 7.3 涨到 54.4，更擅长调用工具和连续完成任务。
DeepSeek V4-Flash 在实测中完成了哪些任务？
实测中完成了 5 个任务：分析 320 篇早报数据并生成交互式 HTML 报告、开发一个打砖块小游戏、制作三体轨道模拟器、设计科幻控制舱仪表盘，以及编写 Python 脚本生成开源 AI 项目周报。
DeepSeek V4-Flash 完成 5 个任务花费了多少钱？
5 个任务共消耗约 3422 万 token，费用仅为 2.85 元。
OpenAI 对 GPT-5.6 系列模型的价格调整是什么？
OpenAI 将 GPT-5.6 Luna 的 API 价格下调约 80%，Terra 降价 20%。降价后 Luna 每百万 token 输入 0.2 美元、输出 1.2 美元。
为什么说大模型竞争焦点转向了“智价比”？
因为 DeepSeek 和 OpenAI 在同一天分别发布新模型和降价，表明顶级模型不再只比拼能力上限，而是同时注重性能与价格的平衡，即“智价比”。
DeepSeek V4-Flash 的后训练与基础训练有何不同？
基础训练相当于上学，后训练更像入职后的专项练习，让模型反复练习拆解任务、选择工具、发现错误，从而提升完成复杂任务的能力，而模型结构和尺寸不变。
DeepSeek V4-Flash 支持哪些 API 特性？
V4-Flash 支持一次读取 100 万 token 的内容，原生支持 OpenAI 的 Responses API，可接入 Codex。
