DeepSeek 丟出 V4-Flash-0731：同一副架構重練，代理能力直接翻倍

2026年8月5日

DeepSeek 在 7 月 31 日更新 V4-Flash，架構與參數量一動也沒動，靠重新後訓練把 Terminal-Bench 2.1 從 61.8 拉到 82.7，權重仍以 MIT 授權放上 Hugging Face。這對台灣的開發者與想自建模型的企業意味著什麼？

七月的最後一天，很多台灣工程師的 GitHub 通知列跳出同一則訊息：DeepSeek 更新了。

沒有發表會，沒有預告，權重直接上 Hugging Face。

有意思的是規格表——284B 總參數、13B 啟用參數，跟四月那版一模一樣。架構沒改、大小沒變。但代理任務的分數，翻了將近一倍。

事件背景

DeepSeek 的 V4 系列在 2026 年 4 月 24 日正式登場，官方文件列出兩款：V4-Pro 是 1.6T 總參數、49B 啟用，對標頂尖閉源模型；V4-Flash 則是 284B 總參數、13B 啟用，主打快速與經濟。兩者都以 100 萬 token 上下文為標準配備，支援思考與非思考模式，並相容 OpenAI ChatCompletions 與 Anthropic 的 API 格式。同一份公告也宣布舊的 deepseek-chat 與 deepseek-reasoner 在 2026 年 7 月 24 日後停止服務。

七月三十一日這次更新的是 V4-Flash 這條線，版本代號 0731。

本次重點

架構完全不變：仍是 284B 總參數、13B 啟用的 MoE（混合專家）模型，官方明確說明進步來自重新後訓練，不是新設計
代理能力大幅提升：Terminal-Bench 2.1 得分 82.7，四月預覽版是 61.8
程式任務同步進步：DeepSWE 得分 54.4
超越自家更大的模型：在 DeepSeek 公布的每一項代理評測上，都勝過 V4-Pro 預覽版
權重採 MIT 授權：直接放上 Hugging Face，是目前最寬鬆的開源授權之一
API 原生支援 Responses API 格式，並針對 Codex 做了適配

為什麼「同一副架構重練」這件事更值得注意

過去兩年，模型變強的敘事幾乎都是「參數更大、資料更多、算力更貴」。這次不是。

DeepSeek 這一手證明了一件事：在既有架構上把後訓練做對，帶來的增益可能比堆參數更划算。 從 61.8 到 82.7，這個幅度放在任何一次改版都算大新聞，而它沒有多花一分錢在架構研發上。

這對整個產業的意義是：模型能力的競爭正在從「誰的模型大」轉向「誰更懂怎麼訓練代理」。後者的門檻低很多，也代表後進者的追趕空間比想像中大。

老實說，我覺得這比又一個更大的模型重要得多。

市場影響分析

對台灣使用者

日常使用者短期不會有直接感受，但透過各種接了 DeepSeek 的第三方服務，你會感覺到「AI 助手比較會自己把事情做完」。這是代理能力提升的直接體現——少一點「我幫你列出步驟」，多一點「我做完了，結果在這」。

價格上的影響也值得留意。開源且高效能的模型會持續壓低整個市場的 API 價格，這對台灣的中小企業與個人開發者是好事。

對台灣企業應用

真正的機會在資料主權這一塊。

MIT 授權加上可下載的權重，代表理論上你可以把模型放在自己的機房裡跑，資料完全不出境。對金融、醫療、法務這些受嚴格監理的產業，這是閉源 API 給不了的東西。

但要講清楚代價。284B 總參數的模型即使只啟用 13B，載入權重仍需可觀的顯示記憶體，多數情況要多卡伺服器等級的硬體，加上維運人力。對多數台灣中小企業，用 API 或雲端託管仍然划算得多。

真正值得自架的情境只有一種：資料絕對不能出境，且用量夠大到攤得平硬體成本。 這兩個條件缺一不可。

另外要提醒的是資安與合規面：使用中國背景廠商的模型，部分產業與政府採購有額外的規範限制。導入前請先確認你所屬產業的規定，別等到稽核才發現問題。

對開發者

三個實際可做的事：

一、如果你在做 agent，這個版本值得重測。 代理能力的提升不是行銷數字，Terminal-Bench 考的是在終端機環境完成實際任務，跟真實的 agent 場景很接近。用你自己的任務跑一輪，看看是否能替換掉現有的模型。

二、API 格式相容性降低了切換成本。 相容 OpenAI ChatCompletions 與 Anthropic 格式，加上這次原生支援 Responses API，意味著你可以用很小的改動去比較不同模型。想做多模型比價與切換，OpenRouter 教學是實用的起點。

三、別只看廠商公布的分數。 這是老生常談但每次都有人踩坑。評測分數的測試環境、prompt 設計與重試策略都會影響結果，同一個模型在不同人手上分數可以差很多。拿你自己的任務跑，才是唯一有意義的評測。

未來發展趨勢

一、後訓練會成為新的競爭戰場。 當架構的邊際效益遞減，訓練方法就變成差異化來源。這也代表模型的迭代速度會更快——不用重新預訓練，改個後訓練配方就能出新版本。

二、開源與閉源的差距會在特定任務上抹平。 通用能力可能還有落差，但在「寫程式」「跑代理任務」這類可明確評測的領域，開源模型的追趕速度很快。這對想控制成本的企業是好消息。

三、模型選擇會變成工程決策，而非品牌決策。 當切換成本降到很低，選哪個模型會回歸到「哪個在我的任務上跑得好、又便宜」。這對台灣企業是好事——不用再賭在單一供應商上。

TheAI學院總結與評語

這次更新沒有華麗的發表會，但它講了一個很重要的故事：AI 的進步不一定要靠更貴的硬體。

同一副架構、同樣的參數量、重練一次後訓練，代理能力就從 61.8 到 82.7。這對那些沒有無限算力的團隊來說，其實是很勵志的消息。

評語：當「把訓練做對」的價值開始超過「把模型做大」，這場競賽就從資本遊戲變回了工程問題。而工程問題，台灣的團隊向來不怕。

給台灣讀者的具體建議：如果你在開發 AI 應用，這週撥一小時做一件事——把你目前用的模型，換成這個版本跑一次你自己的核心任務，記下成本與成功率。 不用相信任何評測分數，你的任務跑出來的數字才是真的。至於企業導入，先確認你所屬產業對模型來源的合規要求，再談技術評估。

延伸閱讀：Claude Opus 5 發布解析可以對照閉源陣營的路線；想理解 AI 代理的實作，看 AI Agent 實作指南；台灣自主模型的進展則可參考雅婷與 TAIDE 的現況。

資料來源

依公開資訊整理、以官方為準。評測分數為廠商公布數字，實際表現請以自身任務實測為準。本文不構成投資建議。

常見問題

DeepSeek V4-Flash-0731 跟四月的版本差在哪？

架構與參數量完全沒變，都是 284B 總參數、13B 啟用的 MoE 模型。差別在於針對代理任務重新做了後訓練（post-training），Terminal-Bench 2.1 從四月預覽版的 61.8 提升到 82.7。換句話說，這次的進步來自訓練方法而非模型設計。

MIT 授權代表我可以商用嗎？

MIT 是相當寬鬆的開源授權，一般允許商業使用、修改與再散布，通常僅要求保留授權聲明。但實際使用前仍應詳讀模型頁面隨附的完整條款與使用政策，模型權重的授權有時會附加額外的使用限制。涉及商業部署建議諮詢法務。

台灣企業自架這個模型實際嗎？

284B 總參數的模型即使只啟用 13B，載入權重仍需可觀的顯示記憶體，通常要多卡伺服器等級的硬體。對多數台灣中小企業而言，用 API 或雲端託管比自建划算。真正需要自架的情境是資料絕對不能出境的產業，例如金融與醫療的特定業務。

為什麼「代理能力」變成競爭重點？

因為使用場景在變。過去比的是回答問題的品質，現在比的是能不能連續執行多個步驟、正確呼叫工具、自己驗證結果。Terminal-Bench 這類測驗考的正是在終端機環境裡完成實際任務的能力，這比單純的問答更貼近生產環境的需求。

資料來源：theai-editorial