从V4-Flash-0731到V4.1 Flash：一次能力跃升的路径分析作者：殷晓雯日期：2026年9月12日

定位说明：本文仅从公开可查的基准测试数据出发，分析两代模型之间的能力增量类型，不针对任何特定企业或具体事件。文中标注【事实】的内容来自公开基准测试平台，标注【推演】的内容为基于公开数据的逻辑分析。

一、两代模型之间发生了什么【事实】DeepSeek V4-Flash-0731发布于2026年7月31日。V4.1 Flash发布于2026年9月10日。两者相隔约六周。

【事实】从公开基准测试数据看，V4.1 Flash相比V4-Flash-0731的提升，集中在以下维度：

Terminal-Bench 3.0：从7.6提升至30.0

Terminal-Bench 4.0：从7.0提升至31.2

Automation-Bench：从37.7提升至54.8

DeepSWE v1.1：从54.4提升至74.2

这些基准测试衡量的不是“文本生成是否流畅”，而是多步骤工具调用、跨会话任务执行、长程目标保持、复杂环境下的自我纠错能力。

二、这个提升路径意味着什么【推演】一个模型的能力增量，可以从两个层面获得：数据层面和架构层面。

数据层面，是让模型“知道更多”或“输出更像某个东西”。架构层面，是改变模型“怎么处理信息”的内部机制。

这两种改进路径，在基准测试上的表现特征不同：

如果一次迭代主要是数据层面的改进——比如更换训练数据、增加数据量、调整数据配比——那么提升通常集中在知识覆盖、单轮问答质量、输出风格接近度上。长程任务的改善往往是渐进的，因为数据能改变“知道什么”，但改变不了“怎么在多个步骤之间保持一致性”。

如果一次迭代涉及架构层面的改进——比如改变注意力机制、优化KV缓存策略、新增推理链路的某个模块——那么提升可能集中在需要持续运行、跨步骤保持目标、动态调整策略的任务上。因为架构改变的是信息处理机制本身。

【推演】V4.1 Flash的提升分布，更符合后一种特征：长程Agent任务大幅跃升，普通单轮任务提升幅度相对有限。从7月底到9月初，六周时间内，在训练数据没有发生根本性变化的前提下，长程任务指标出现这种幅度的跃升，更可能来自架构层面的改动。

三、蒸馏能拿到什么，拿不到什么【推演】蒸馏技术的本质，是让一个模型去模仿另一个模型的输出。它能拿到的是：输出文本的风格、表层答案的表述方式、特定问题的回答模式。

它拿不到的是：产生这些输出的内部运行机制。

一个模型在回答问题时，内部发生了什么——如何在多个步骤之间传递信息、如何在长程任务中保持目标一致性、如何在遇到错误时触发自我纠错——这些东西不会出现在输出文本里。输出是运算的结果，不是运算的过程。

【推演】如果一个模型的能力增量集中在长程Agent任务上，而这个增量又无法从输出文本中直接复制，那么用“蒸馏”来解释这个增量，在技术逻辑上是不充分的。

四、一个可观测的判断标尺【推演】基于以上分析，可以提炼出一个判断模型能力来源的观测标尺：

如果一个模型的长程Agent能力出现大幅跃迁，而单轮任务提升有限，这个跃迁更可能来自架构层面的改动，而非数据层面的蒸馏。

如果一个模型的能力提升主要表现为输出风格接近某个模型、单轮问答质量提升，而长程任务改善不明显，那么这个提升更可能来自数据层面的改动，蒸馏是可能的解释之一。

这个标尺不是绝对的，但它提供了一个可观测、可验证的分析角度。

五、本文的边界【推演】需要明确以下几点：

第一，本文分析的是能力增量的类型，而非训练数据的来源。本文论证的是“该幅度、该类型的能力跃升，更符合架构革新的特征，不符合蒸馏的能力产出模式”。但技术推论不等于可以100%排除蒸馏参与训练的可能性。它可以否定“整个模型能力来自蒸馏”这种宏大指控，但不能证明训练集中完全没有任何一条外部模型的输出样本。

第二，基准测试本身存在噪声。Terminal-Bench、DeepSWE这类Agent基准，会受后训练、强化学习调优、提示词模板、系统prompt等多种因素影响。除架构之外，大规模强化学习后训练同样可以拉高这类指标。因此本文的表述维持在“该现象更契合架构迭代特征”，而非“只有架构才能实现该提升”。

第三，本文仅讨论“蒸馏复刻模型能力”这一层，不覆盖“请求转发”等其它技术路径。两者是不同的技术问题，需要分别讨论。

六、结语【推演】从V4-Flash-0731到V4.1 Flash，六周时间，长程Agent任务指标出现大幅跃升。这个跃升的路径，更符合架构层面的改动特征，而非数据层面的蒸馏特征。

蒸馏拿到的是结果，不是产生结果的机制。而这次能力增量的核心，恰恰在机制层面。

事实与推演边界声明：

本文中所有标注【事实】的内容，均来自公开基准测试平台数据及官方发布信息。本文中所有标注【推演】的内容，均为作者基于公开数据的逻辑分析，不代表已被证实的客观事实，供读者参考和独立判断。

本文不针对任何特定企业、组织或个人作负面定性，不构成法律、投资或商业建议。如对文中数据或表述有异议，请联系作者更正。