DeepSeek 在 2026 年 7 月 31 日更新 API changelog，宣布 DeepSeek-V4-Flash-0731 的官方 API 版本進入 public beta。對開發團隊來說，這次更新的重點不是重新學一套 API，而是可以保留原有呼叫方法，只把 model 名稱改為 deepseek-v4-flash，便使用最新版本。
DeepSeek 表示，新版本的 Agent 能力明顯提升，並列出一組由官方提供的 benchmark 結果：Terminal Bench 2.1 為 82.7、NL2Repo 為 54.2、Cybergym 為 76.7、DeepSWE 為 54.4，Toolathlon verified 為 70.3；另外 Agent Last Exam 為 25.2、Automation Bench Public 為 25.1、DSBench-FullStack 為 68.7、DSBench-Hard 為 59.6。
這些數字值得留意，但不應直接當成跨模型的獨立結論。DeepSeek 說，公開 Code Agent benchmark 使用即將推出的 DeepSeek Harness minimal mode，測試設定包括 max effort、top-p 0.95 及 temperature 1.0；DSBench-FullStack 和 DSBench-Hard 則是內部測試集。評測結果因此同時反映模型、Harness、工具配置和測試集，部署團隊應先重跑自己最關心的任務，而不是只比較一張分數表。
整合層面上，官方表示 V4-Flash 原生支援 Responses API，並特別為 Codex 作出適配。DeepSeek-V4-Flash-0731 保持與 V4-Flash-Preview 相同的模型架構和大小，主要是重新進行 post-training；今次更新只升級 DeepSeek-V4-Flash API，V4-Pro API 以及 App / Web 使用的模型不變，V4-Pro 的正式版本則會稍後推出。
這個安排把「模型升級」和「產品升級」清楚分開。API 用戶可以較容易切換 model identifier，但仍要驗證 tool call schema、長任務的失敗恢復、輸出穩定性、延遲、限流、成本和日誌記錄。Agent 能力改善不等於整條 workflow 已經可靠，尤其當任務會寫入程式碼、呼叫外部工具或修改資料時，權限與人工批准仍然是必要的控制點。
對採用者而言，最實際的做法是把模型名稱、Harness 版本和工具權限一同記錄，為關鍵流程保留一組可重跑的回歸測試，再以 public beta 的實際可用性來決定是否擴大流量。DeepSeek 這次更新顯示，Agent 模型競爭已不只看單一推理分數，也要看 API、Responses API、工具鏈和生產監控能否連成一個可管理的系統。
