如果你回答“因为正式版更新了嘛”，恭喜你，出门右拐回家等通知吧。
为什么？
因为面试官真正想让你会答的是：Flash 只有 13B 激活参数，Pro 有 49B，大了将近四倍。模型架构一个参数都没改，只重新做了后训练。结果呢？9 项 Agent 测试，Flash 正式版全面碾压 Pro 预览版。
我翻了 DeepSeek 官方博客、HuggingFace 的技术分析、Terminal Bench 和 DeepSWE 的论文，可以自信地、大方地、光明磊落地帮你搞清楚三件事：
- 后训练到底做了什么，为什么能不换模型就提升能力？
- 为什么 Agent 能力和参数量关系不大？
- 对我们选模型有什么实际启发？
哈喽大家好，我是二哥呀。今天用 3 分钟，给你讲清楚为什么后训练能让小模型干翻大模型。
系好安全带，我们粗粗粗出发了～
先说第一件事，后训练到底做了什么。
打个比方。预训练就是从小学到大学读了十几年书，学了 32 万亿 token 的知识——物理化学数学文学什么都懂。但什么都懂，不代表考试能拿高分。
后训练就是考前三个月的专项刷题。知识没有增加，但你学会了“看到这类题该怎么答”。
具体分三步。
第一步，SFT，监督微调。教模型怎么接活——工具调用的格式是什么、参数怎么填、返回结果怎么读。相当于告诉你“卷子长什么样”。
第二步，偏好优化。拿一堆好答案和坏答案做对比训练，让模型学会区分——哪条工具调用序列是对的，哪条看着对但实际上有坑。
第三步，强化学习。DeepSeek 用的是自研的 GRPO 算法，让模型在 Agent 任务里反复试错，做对了给奖励，做错了扣分。代码和工具调用特别适合这种训练——因为结果对不对，程序一跑就知道，奖励信号干净可靠。
V4 Flash 正式版就这么练了三个月。284B 总参数一个没动，13B 激活的 MoE 架构也一模一样。
那聪明的你肯定想到了：凭什么后训练能弥补参数量的差距？
因为 Agent 能力和通用对话能力，是两码事。
Agent 任务需要四种专项能力：规划——把复杂任务拆成多个步骤；工具调用——从几百个工具里选对的、填对参数；错误恢复——中间做错了能发现并回退；长程追踪——几十轮交互下来还不跑偏。
这四种能力，预训练几乎学不到。
为什么？
预训练的优化目标是“预测下一个词”，Agent 需要的是“在真实环境中做出正确决策”。这是两个根本不同的目标。
同一辆车，新手和老司机过弯的差距——不是发动机不同，是驾驶策略不同。新手过弯减速到 30 码，老手知道可以 60 码压线过。
当然了，我建议你还是 30 码过弯，毕竟不是每个老司机都是藤原拓海啊。
好，再来看看跑分。DeepSWE 从 7.3 飙到 54.4，涨了 7 倍多。Terminal Bench 从 61.8 到 82.7。Agent 终极测试 25.2 分，Opus 4.8 是 25.7——只差 0.5 分。
13B 激活参数的开源模型，逼平了当前最强的闭源旗舰之一。
那聪明的你肯定又要问了：这对我们选模型有什么用？
有——Agent 场景别只看参数量。
Flash 每百万 token 输入是 Pro 的三分之一。而 Agent 任务一跑就是几十上百次工具调用，成本会被任务链条不断放大。同样的活儿，Flash 干得一样好甚至更好，价格便宜两三倍。
2026 年的模型竞争已经从“谁的参数多”变成了“谁的后训练做得好”。DeepSeek 自己也想明白了——除了练模型，还专门组了一个 Harness 团队，要从零造一个中国版 Claude Code。
据说快要和大家见面了。
最后简单总结下。
后训练是策略训练，不是重新造发动机。Agent 能力不看参数大小，看的是有没有针对 Agent 任务专门训练过。另外，选模型的时候先看 Agent 专项跑分，再看价格，参数量排最后。
这个知识点你学废了吗？想解锁更多 AI 硬核知识，点赞关注，我是二哥，咱们下期见！
