DeepSeek又卡着7月最后一天提交了一个版本。
7月31日，DeepSeek-V4-Flash正式版API开启公测。开发者不需要更换接口，只要继续使用原来的base_url，并把模型名称设置为：
deepseek-v4-flash
就能调用最新的0731版本。
乍一看，这像是一次普通的模型热更新。但程序员看完更新日志后，大概会发现：这次DeepSeek升级的重点，不是“回答更像人”，而是“改代码更像同事”。
一个Flash模型，开始抢Pro的活了
官方公布的Code Agent测试中，V4-Flash在Terminal Bench 2.1拿到82.7，NL2Repo为54.2，DeepSWE为54.4，Toolathlon-Verified为70.3，DSBench-FullStack为68.7。
这些成绩不仅明显超过V4-Pro-Preview，在多项任务中也超过了GLM-5.2，部分指标已经逼近Opus 4.8。
这件事有点像，公司原本招了一个“回复快、价格低”的实习生，结果上班几个月后发现，他已经能自己：
读取代码仓库→ 定位相关文件→ 修改代码→ 执行测试→ 阅读报错→ 再改一遍
以前的Flash模型，更适合代码补全、解释报错和写几个函数；现在的V4-Flash，开始进入完整的软件开发流程。
更关键的是，这次模型架构和尺寸并没有变化。V4-Flash-0731与Preview版本保持相同结构，主要升级来自后训练。
翻译成人话就是：DeepSeek没有给它换一个更大的脑子，而是重新教它怎么上班。
真正的更新，是原生支持Responses API
相比跑分，V4-Flash这次最值得关注的功能，其实是原生支持Responses API，并针对Codex进行了适配。
过去把DeepSeek接入新版Codex，通常需要CC Switch、Moon Bridge或者其他本地路由。
原因也不复杂。
大部分模型提供的是：
<> http
POST /chat/completions
这是传统聊天接口，逻辑基本是一问一答。
而Codex需要的是：
<> http
POST /responses
它要管理工具调用、任务状态、多轮执行和上下文压缩。以前DeepSeek听不懂Codex发来的“协议”，只能在中间放一个路由工具进行翻译。
现在，V4-Flash直接原生支持Responses API。换句话说，中间那个翻译可以下班了。
DeepSeek官方确认，目前只有deepseek-v4-flash能够直接接入Codex，V4-Pro预计在2026年8月初补上支持。
一条命令，把DeepSeek装进Codex
官方提供了自动配置脚本。
macOS和Linux执行：
<> Bash
bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh)
Windows在PowerShell中执行：
<> Bash
irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex
输入DeepSeek API Key后，脚本会自动备份原有配置，生成~/.codex/models.json，并修改~/.codex/config.toml。想切回原来的Codex订阅，再运行一次脚本选择恢复即可。
喜欢手动改配置的程序员，也可以直接编辑config.toml：
<> TOML
model = "deepseek-v4-flash"
model_provider="deepseek"preferred_auth_method="apikey"forced_login_method="api"model_reasoning_effort="high"model_catalog_json="~/.codex/models.json"
[model_providers.deepseek]
name="deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "你的 DeepSeek API Key"
这里最关键的是：
<> TOML
wire_api = "responses"
它代表Codex会通过Responses API与DeepSeek通信。配置完成后，进入项目目录执行：
<> Bash
cd /path/to/my-projectcodex
启动页出现model: deepseek-v4-flash，就说明切换成功。Codex CLI、桌面端和VS Code扩展共用同一份配置，不需要重复设置。
友情提醒：API Key直接写在配置文件里，千万别顺手把整个.codex目录提交到GitHub。不然第二天醒来，可能会收获一个开源项目和一张账单。
跑分很强，但真实项目才是最终Benchmark
官方本次测试使用了即将发布的DeepSeek Harness，并将推理强度设置为max，同时采用top_p=0.95和temperature=1.0。另外，DSBench-FullStack和DSBench-Hard属于内部测试集。
所以，榜单成绩可以参考，但还不能直接等同于生产环境。
真实项目里的Benchmark通常是这样的：
没有文档
依赖过期
测试跑不起来
需求改了三次
产品经理说“应该很简单”
这也是V4-Flash接下来真正需要证明的地方：它能不能在几十轮工具调用后仍然记住任务目标，能不能改完代码主动跑测试，能不能遇到报错后继续排查，而不是突然开始重构整个项目。
AI编程，正在进入模型分工时代
V4-Flash正式版的意义，并不是“DeepSeek又多赢了几个跑分”。
它更像是一个信号：模型厂商已经开始从争夺聊天窗口，转向争夺Agent入口。
以后程序员选择模型，关注的不会只是“谁更聪明”，还会看：
能不能接入Codex？
工具调用稳不稳？
长任务会不会中断？
修改代码敢不敢直接合并？
跑完一个任务要烧多少Token？
简单修改、批量任务和页面生成，可以交给速度更快的V4-Flash；复杂架构和高风险重构，再切换到更强的旗舰模型。
AI编程正在从“找一个最强模型”，变成“组建一支模型开发团队”。
而DeepSeek-V4-Flash这次做的，就是把自己从聊天框里拉出来，打开终端，切进项目目录，然后输入：
<> Bash
git status
好了，开始干活。
热门跟贴