# DeepSeek Flash 发布：跑分和 GLM-5.2 对比

- URL: https://davidyin.dev/video/bv1kwgg6ce6f/
- 作者: David Yin
- 发布: 2026-08-01T13:57:18+08:00 · 更新: 2026-09-29
- 时长: 08:31
- 平台: B 站 https://www.bilibili.com/video/BV1KwGG6CE6F · YouTube https://www.youtube.com/watch?v=maGquB23gmU
- 标签: DeepSeek Flash、DeepSeek V4、GLM-5.2、AI Agent、大模型评测
- 摘要: DeepSeek Flash 正式版发布（不是 Pro）：同架构同规模、一个参数没加，只靠重新训练，官方称 Agent 能力远超 V4-Pro-Preview；两项同名代码基准压过 GLM-5.2，独立综合榜摸到行业头部低档。视频讲清跑分和适用场景。

## 这期讲了什么

- DeepSeek 发的正式版是 Flash 不是 Pro：与 V4-Pro-Preview 同架构、同规模、一个参数没加，仅靠重新后训练，官方称 Agent 能力大幅增强、远超预览版
- 九项 Agent 跑分（官方）：终端任务 82.7、安全攻防 76.7、代码库改写 54.2、软件工程 54.4、工具调用 70.3；官方未给同条件 Pro 分数，差值不能瞎算
- 对比 GLM-5.2：代码库改写 54.2 对 48.9、软件工程 54.4 对 46.2，但两家各测各的、不是同一场考试；独立综合榜 Flash 50 分，GLM-5.2 最高档 51，行业头部最高档 61——摸到头部低档，还差一截
- 对自家 4 月预览版：刷题、软件工程、研究生难题咬得很紧；但知识问答 34.1 对 57.9、联网深度检索 73.2 对 83.4 明显落后——擅长动手干活，不是百科全书
- 用法：量大容错高的批量活（简历粗分、初稿、合同分类、摘要）适合 Flash，并发上限 2500 对 Pro 的 500；高代价复杂活等 Pro；目前 API 仅纯文本，APP 和网页端未升级，仍是公测

## 文字稿

### Flash 先交卷：不加参数，只靠重新训练

你等的那个大招，没来。今天 DeepSeek 发正式版的不是 Pro，是 Flash。可偏偏这个 Flash，强得离谱。官方原话白纸黑字写在更新日志里：Agent 能力大幅增强，基准测试远超它自己那个 Pro 预览版。

先说最反常识的一点。按老规矩，一个大模型想变强，套路闭着眼都能想出来——堆家伙：加参数、加算力、把模型摊得更大更胖，基本上就是砸钱换分数。可这回 DeepSeek 偏不这么干，官方原话是：新版和之前的预览版，模型结构、尺寸保持一致，仅重新进行了后训练。

翻译成大白话：骨架没动，个头没变，一个参数都没多加，纯粹换了个练法。这在整个行业里不常见。大家习惯了用钱和算力铺路，突然有人告诉你一分钱参数没加、光靠重新练就把成绩掀翻了——震撼就震撼在这。

### 九项跑分翻成人话

新版本主打 Agent 能力，官方摆了九项跑分。挑几项翻成人话：终端任务 82.7，考的是让 AI 自己操作电脑命令行、自己敲指令把活干完；安全攻防 76.7，让 AI 进一个系统里找漏洞破绽，跟真刀真枪的攻防差不多；代码库改写 54.2，给它一个真实项目代码让它进去改，改完还得能跑通。剩下的，软件工程 54.4，工具调用 70.3，超难综合考试 25.2，自动化任务 25.1，全栈数据科学 68.7，硬核那档 59.6。

得提醒一句：官方只说这些分远超它自己的 Pro 预览版，但没给出同条件下 Pro 的具体分数，到底甩开多少不能瞎算，心里有个数就行。

### 和 GLM-5.2、和行业头部比

先说国产同行 GLM-5.2。有两项同名的代码基准，Flash 公布的分更高一点：代码库改写，Flash 54.2 对对方 48.9；软件工程，Flash 54.4 对 46.2。

但有个大前提必须钉死：这两家的分是各测各的，测试配置压根不是同一套，不是同一场考试，只能当公开数字对个照，别真当成谁把谁按住了。

再往上，跟行业头部比。有个独立的综合榜，谁家的都往里塞：Flash 是 50 分，GLM-5.2 最高那档 51，跟 Flash 基本贴脸；而行业头部最高那档是 61。翻译成人话：Flash 已经摸到行业头部的低档位边上，跟满配顶尖货中间还差一截。可别忘了前提，它是一个没加参数、光靠重训的版本，能打成这样已经相当能打。

### 跟自家预览版比：干活强，问答弱

跟自家老底子比，标清楚是四月那会儿的预览版数据。代码那几项追得挺紧：刷题 91.6 对 93.5，几乎贴脸；软件工程 79 对 80.6，很近；研究生级别的难题 88.1 对 90.1，也咬得住。

但短板别藏着：知识问答 34.1 对 57.9，差得有点多；联网深度检索 73.2 对 83.4，也拉开了距离。这说明它擅长的是干活、是动手，不是当百科全书。

这正是它这回猛加力的方向。现在 AI 圈最火的玩法叫 Agent：大家玩腻了「你问一句它答一句」，都想让 AI 真正上手干活——自己调工具、自己敲命令、自己改代码，一个复杂任务扔给它，从头到尾自己捋顺跑完。DeepSeek 这回重新训练，火力全往这个方向招呼，那九项跑分全是围着动手能力转的。

一个先出场的 Flash 都能打成这样，真正压轴的 Pro 又该强成什么样？这事现在给不了答案，官方一个字都没往外放。等 Pro 真露面，再回来唠。

### 落到你身上：Flash 适合什么活

那些日常的批量粗活，现在就能上 Flash。比如手头攒了一百份简历，让它按岗位先粗粗分个类；比如写东西没头绪，让它先甩一版初稿出来，框架大意都有了再改；还有把一堆合同分分类、把用户留言粗筛一遍、批量给文章换标题、把一大坨资料压成摘要。这些活的共同点是量大、容错高，错一点也没啥，Flash 又便宜又能扛。它的并发上限拉到了 2500，Pro 才 500，跑批量更从容。

但出错代价高的、特别吃知识的、工具链绕来绕去特别复杂的活，先别急着交给它，要么再等等 Pro，要么真上了就切到 Pro 去。

还有俩事得提醒：眼下这个 Flash 正式版只支持纯文本的接口调用，图片和文件还接不了；升级的是 API 这一头，平时用的手机 APP 和网页暂时还没跟上，用的还是老版本。这还是公测，不是最终版。价格比 Pro 便宜不少，日常批量用着不心疼。最后留个小问题：你手头的活，是批量粗活多，还是复杂硬活多？

## 常见问题

### DeepSeek Flash 和 Pro 有什么区别？

Flash 是先发布的正式版，与 V4-Pro-Preview 同架构同规模、只靠重新后训练提升，主打 Agent 干活能力；Pro 尚未发布。Flash 并发上限 2500 远高于 Pro 的 500、价格更便宜，但知识问答和联网检索明显弱于预览版，适合批量粗活；高代价复杂任务建议等 Pro。

### DeepSeek Flash 跑分怎么样？

官方九项 Agent 跑分：终端任务 82.7、安全攻防 76.7、工具调用 70.3、软件工程 54.4、代码库改写 54.2。两项同名代码基准压过 GLM-5.2（但非同场测试），独立综合榜 50 分、接近 GLM-5.2 的 51，距行业头部 61 还有差距。

### DeepSeek Flash 适合什么场景？

适合量大、容错高的批量活：简历粗分类、文章初稿、合同归类、留言粗筛、批量改标题、资料压摘要——它便宜、并发高。不适合出错代价高、吃知识储备、工具链复杂的活；且目前 API 仅支持纯文本，公测阶段，APP 和网页端未升级。

> 视频不在本站托管，正片见上方平台链接；本页是目录与注解。