后训练正成为大模型能力提升的新变量。DeepSeek 最近更新了 DeepSeek-V4-Flash，官方称之为“正式版”，但目前仅在 API 端上线公测。此次更新只涉及 deepseek-v4-flash，V4-Pro API 以及 App 和网页端当前使用的模型并未随之更新。
值得注意的是，DeepSeek-V4-Flash-0731 与此前的 Preview 版本采用相同的模型结构和参数规模，只是重新进行了后训练。这引发了人们的疑问：没有换架构，为什么能力还能提升？
大模型的训练可以简单分为两个阶段。首先是预训练，模型通过大量文本和代码学习知识，形成基础能力。其次是后训练，这是针对具体工作的专项训练，让模型学会如何回答问题、调用工具以及按要求完成任务。这次 DeepSeek 没有重新设计模型架构或扩大参数规模，而是在原有模型上重新进行后训练，导致内部权重和行为方式发生变化。
这种变化类似于同一辆车未更换发动机，却重新调整了变速箱、控制系统和驾驶策略。车本身没有变大，但在特定道路上的表现可能明显改善。不过，DeepSeek 并未公布具体的后训练数据、奖励方法和训练流程，因此无法进一步断言性能提升究竟来自哪一种技术。
新版 V4-Flash 在 Terminal Bench 2.1 上获得 82.7，在 DeepSWE 上获得 54.4，在 DSBench-FullStack 上获得 68.7。这些测试不同于传统代码补全，它们要求模型进入一个工作环境，读取文件、理解代码仓库、调用终端、修改程序、运行测试，并根据报错继续处理。这意味着模型不仅要知道答案，还要连续完成多个步骤。