DeepSeek 融资 500 亿后的第一战：不堆参数，只卷 Agent|agent|deepseek|命令提示符|调用

7 月 31 日午后，DeepSeek-V4-Flash API 正式上线。没有喧嚣的发布会，但抛出的数据却让业内有些坐不住：一个激活参数仅 130 亿的轻量模型，在 Agent 任务上的表现贴脸追平了三个月前 490 亿激活的 Pro 预览版。

在六周内估值从 520 亿美元狂飙至 710 亿美元的关口，梁文锋递出了一张极其现实的答卷——不拼算力堆叠，只拼推理性价比，抢先接管企业级应用的成本生命线。

为什么 130 亿激活参数能打平 Pro 版？

翻开最新的测评数据，在衡量代码与终端操作能力的 Terminal Bench 2.1 测试中，Flash 拿下了 82.7 分。而三个月前发布、总参数高达 1.6 万亿（激活参数 490 亿）的 V4-Pro 预览版，在这个测试上的得分是 67.9 分。

一个激活参数只有 130 亿的“小模型”，在干活能力上居然把自家几倍体量的“大哥哥”给超过了。

简单来说，这就像一个拥有一万人的大型智囊团（总参数），但每次遇到具体任务，模型只需要挑选最对口的 130 位专家出来干活（激活参数）。激活参数越小，意味着算力消耗越低，回应速度越快，企业要付的 Token 账单就越便宜。

官方在日志里只写了一句轻描淡写的话：“模型结构、尺寸保持不变，仅重新进行了后训练。”

过去，以 Meta 的 Llama 3 为代表的路线，极其依赖预训练（Pre-training）阶段堆数据、堆 GPU。预训练就像是让人在学校里通读万卷书，它决定了一个 AI 的“常识上限”和“直觉品位”。

但到了需要多步骤思考、频繁调用工具、甚至自己纠错的 Agent 场景，单靠“书呆子”式的记忆力就不管用了。后训练（Post-Training），就像是把这个大学生送进工厂做实训，通过高质量的强化学习反馈，专门训练它怎么用工具、怎么找报错原因。

DeepSeek 证明了一件事：在特定干活场景下，精细化后训练释放的杠杆效应，远比单纯把模型参数做大更管用。

把高频交易的手术刀，切向 Agent 工程

为什么偏偏是 DeepSeek 在后训练阶段榨出了这么高的效率？

这要追溯到 DeepSeek 内部一个叫做 Agent Harness 的团队。今年 3 月，梁文锋组建了这个团队，挂帅的是 90 后资深工程师崔添翼。

崔添翼手握 6 枚 ACM 亚洲区域赛金牌，但更值得关注的是他的背景：在加入 DeepSeek 之前，他在华尔街顶尖量化机构 Jane Street 供职了近九年。

在 Jane Street 这样的高频交易机构里，工程师们每天只琢磨三件事：极低延迟、极高执行准确率、极致的算力精算。量化交易不靠暴力堆算力，而是靠在毫秒级别内，从极具噪音的市场数据里筛选信号、精准路由。

把量化交易里的“信号过滤与路由执行”逻辑挪到大模型训练上，就形成了 DeepSeek 独特的 Harness（调度与测试框架）。

梁文锋直言：“AI 现在不缺品位和直觉，它缺的是持续学习的能力。投资人看 Agent，我们看怎么解决学习。”

说得再通俗一点，AI 的脑子（模型本身）已经够灵光了，但它的手脚和神经反射（Harness 调度系统）还不够协调。崔添翼和他的团队，就是给这个 130 亿激活参数的“脑子”，装上了一套极其省算力、反应极快的神经反射弧。

替企业省钱，顺便偷袭 OpenAI 后院

在官方日志的末尾，低调地标注了两个技术细节：原生支持 Responses API 格式，并针对性适配了 Codex。

过去一年，像 Cursor、Devin 这类红极一时的写码 Agent，或者各种企业级自动化流程软件，看似风光，实则大多在经历惨烈的“毛利危机”。

因为 Agent 干活极其消耗 Token。一个复杂任务需要反复调用终端、执行代码、重新报错，单次交互可能触发几十上百次 API 请求。由于底层依赖 OpenAI 或 Anthropic 的顶级旗舰模型，导致软件公司收来的订阅费，有大半都变成算力账单交给了大厂。这些应用层公司，硬生生被逼成了给算力巨头打工的“劳务派遣公司”。