7.8
深览指数
科技腾讯新闻·平凡AI··AI 生成
为什么DeepSeek-V4-Flash-0731的后训练性能突飞猛进？
本文分析DeepSeek V4-Flash-0731版本后训练性能大幅提升的原因，核心观点是：能力暴涨并非单纯来自模型权重更新，而是由新成立的Harness团队（核心人物崔添翼）及其构建的底层Agent系统驱动。文章拆解了量化交易背景与Agent能力的底层相似性，并详细介绍了V4独特的后训练流程（领域专家独立训练+多教师在线策略蒸馏），以及大规模沙箱环境（DSec）对Agent能力涌现的关键作用。适合对LLM训练细节、Agent系统构建、以及AI前沿技术有深入了解兴趣的读者。原文 ↗
核心观点
- ▍DeepSeek V4-Flash-0731的性能突飞猛进，并非单纯来自模型权重更新，而是由新成立的Harness团队（核心人物崔添翼）及其构建的Agent系统协同工作带来的结果。
- 01崔添翼的背景是量化交易（Jane Street近9年，联合创办TSY Capital），而非传统大模型研究员。其量化系统经验（高可靠性、低延迟、多步骤决策）与Agent能力高度对应。
- 02DeepSeek V4的后训练分为两个阶段：一是领域专家独立训练（SFT+GRPO），二是多教师在线策略蒸馏（On-Policy Distillation），后者让模型学习专家行为分布而非简单答案。
- 03DeepSeek为Agent后训练搭建了专用沙箱系统DSec，可管理数十万个并发沙箱实例，支持函数调用、容器、虚拟机等环境，让模型通过大量失败轨迹学习。
- 04V4-Flash-0731的模型卡明确提到，公开的Agent测试使用了尚未发布的DeepSeek Harness（minimal模式）和最大推理强度，成绩是模型+系统协同的结果。
- 05崔添翼于2026年3月加入DeepSeek，7月成立Harness团队并疯狂招人，时间线与V4 Preview（4月）到Flash正式版（7月）的性能提升吻合。
反方 / 局限
- — 文章承认，目前没有公开证据证明崔添翼主导了0731版本的模型训练，其作用更像是“重要变量之一”，而非唯一原因。
- — 作者预测V4 Pro可能接近甚至超越Claude Opus 4.8和Fable 5，但缺乏足够数据支撑，且Fable 5对标存在不确定性。
崔添翼 (Tianyi Cui)DeepSeek HarnessDeepSeek V4-Flash-0731DeepSeek Elastic Compute (DSec)Jane StreetTSY CapitalGRPOSFTOn-Policy DistillationGLM-5.2Claude Opus 4.8Fable 5
10 分钟 · 5 卡片 · 14 资料
读原文 →