DeepSeek 发布了 V4 Flash 正式版（DeepSeek-V4-Flash-0731），Agent 能力大幅提升，在 Terminal Bench 2.1 等多项基准测试中取得优异成绩（如 82.7）。该模型已在官方 API 上线，并支持 Codex API 格式，提供一键配置脚本，方便开发者快速集成。模型结构与预览版一致，仅重新进行了后训练，性能提升源于后训练优化。开发者可借此增强自动化任务能力。 核心观点： 1. 在 Terminal Bench 2.1 上得分 82.7，体现 Agent 能力显著提升。 2. 支持 Codex API 格式并提供一键配置脚本，简化集成流程。 3. 模型结构同预览版，仅后训练变化，性能提升来自后训练优化。
Armin Ronacher 发现新版 Claude 模型（Opus 4.8、Sonnet 5）在调用 Pi 编辑工具时，会在嵌套的 edits[] 数组中凭空捏造 schema 中不存在的字段（如 requireUnique、oldText2、type 等），导致工具调用被拒绝。尽管实际编辑内容正确，但模型会添加多余键值。该问题在旧版模型中不存在，且与上下文相关：在智能体历史对话中复现率约 20%，去掉 thinking blocks 后减半，开启严格工具调用后消失。Ronacher 推测这是后训练阶段针对 Claude Code 生态优化的副作用——Claude Code 的客户端会容忍并修复格式错误，导致模型学会在宽松环境下产生“格式垃圾”。这对开发者意味着：若工具 schema 与 Claude Code 不一致，新版模型可能更不忠实于格式，需要更严格的约束解码或工具调用验证。 核心观点： 1. Opus 4.8 和 Sonnet 5 在 Pi 编辑工具调用中会凭空添加 schema 中不存在的键（如 requireUnique、oldText2、type、id、kind 等），而旧版模型无此问题。 2. 该问题在智能体多轮对话中复现率约 20%，去掉 thinking blocks 后减半，开启严格工具调用后完全消失。 3. Ronacher 推测后训练阶段针对 Claude Code 的宽松工具调用生态（自动修复格式错误）是导致模型产生格式垃圾的根本原因。