TLDR DeepSeek-V4-Flash-0731 (wydany 31 lipca 2026) to oficjalna, gotowa do produkcji wersja wydajnego modelu Mixture-of-Experts DeepSeek (284B łącznie / 13B aktywnych parametrów, kontekst 1M tokenów). Dzięki ukierunkowanemu post-treningowi zapewnia dramatyczne zyski w agentycznym kodowaniu, użyciu narzędzi i wieloetapowej inżynierii oprogramowania. Natywnie obsługuje Responses API i OpenAI Codex. DeepSeek Harness to towarzyszący framework agenta (tryb minimalny był już używany w oficjalnych ewaluacjach; pełne wydanie wkrótce), zaprojektowany, by przekształcić model w niezawodnego, autonomicznego agenta.
Razem oferują jeden z najsilniejszych stosunków koszt/efekt wśród agentycznych modeli AI z otwartymi wagami i dostępem przez API na sierpień 2026.
Kluczowe wnioski
- Duży skok agentyczny wyłącznie dzięki post-treningowi: ta sama architektura 284B/13B co w wydaniu z kwietnia, ale dramatycznie wyższe wyniki (np. Terminal Bench 2.1: 82.7 vs 61.8; DeepSWE: 54.4 vs 7.3).
- Przewyższa DeepSeek-V4-Pro (Preview) na wielu benchmarkach agentów mimo znacznie mniejszej liczby aktywowanych parametrów.
- Konkurencyjny wobec czołowych modeli proprietarnych (blisko Claude Opus 4.8 w kilku zadaniach agentów) przy ułamku kosztu.
- Natywny kontekst 1M, dekodowanie spekulatywne (DSpark), trzy poziomy nakładu rozumowania (low/high/max), licencja MIT, otwarte wagi.
- Oficjalne wsparcie dla Responses API i Codex (CLI, aplikacja desktop, rozszerzenie VS Code).
- DeepSeek Harness (tryb minimalny już użyty w ewaluacjach) to oficjalny framework agenta w zamkniętej becie; publiczne wydanie spodziewane wkrótce. DeepSeek Harness zapewnia warstwę uruchomieniową agenta; model + harness = agent produkcyjny.
- Idealny do agentów kodujących o wysokim wolumenie, automatyzacji terminala, użycia narzędzi i przepływów pracy z długim kontekstem.
- Uzyskaj przystępny dostęp do modeli DeepSeek i ujednolicone narzędzia przez CometAPI (punkt końcowy kompatybilny z OpenAI, konkurencyjne ceny, routing wielomodelowy).
Co nowego w DeepSeek V4 Flash 0731?
Zmieniony status oficjalnego wydania
Najważniejszą zmianą produktową jest to, że DeepSeek V4 Flash 0731 jest teraz oficjalnym wydaniem DeepSeek V4 Flash w API, w publicznej becie. Zmiany z 31 lipca w logu zmian DeepSeek (https://api-docs.deepseek.com/updates/) informują, że deweloperzy mogą nadal wywoływać tę samą nazwę modelu, deepseek-v4-flash, aby uzyskać dostęp do najnowszej wersji. To ważne dla migracji, ponieważ unika nowego identyfikatora modelu i pozwala zespołom testować aktualizację w ramach istniejącej logiki routingu.
DeepSeek dodaje, że aktualizacja dotyczy wyłącznie API V4 Flash. API V4 Pro oraz modele w aplikacji/sieci nie zostały zmienione przez wydanie z 31 lipca, a DeepSeek zapowiedział, że oficjalne wydanie V4 Pro nastąpi wkrótce. Innymi słowy, to nie jest pełne odświeżenie rodziny DeepSeek V4. To ukierunkowana aktualizacja Flash.
Architektura pozostała bez zmian, zmienił się post-trening
Rdzeń architektury nie uległ zmianie: model Mixture-of-Experts (MoE) z 284 miliardami parametrów łącznie i tylko 13 miliardami aktywowanymi na token, hybrydową atencją zoptymalizowaną pod długi kontekst oraz natywnym oknem kontekstu o rozmiarze 1 miliona tokenów. Do szybszej generacji dołączony jest moduł dekodowania spekulatywnego (DSpark). Model jest tekstowy, obsługuje regulowany nakład rozumowania (low / high / max), wywoływanie narzędzi, zorganizowane wyjścia i jest wydany na liberalnej licencji MIT.
To rozróżnienie ma znaczenie. Wiele aktualizacji modeli poprawia wyniki, bo model jest większy. Ta aktualizacja jest ciekawsza, ponieważ DeepSeek twierdzi o dużym skoku agentycznym bez zwiększania śladu parametrów. V4 Flash pozostaje modelem Mixture-of-Experts 284B łącznie, 13B aktywnych, co jest znacznie mniejsze w czasie inferencji niż V4 Pro z 1.6T łącznie, 49B aktywnych.
Skoki wyników w agentycznym kodowaniu
Oficjalna tabela DeepSeek (https://api-docs.deepseek.com/updates/) pokazuje duże poprawy w zadaniach terminalowych, budowania repozytoriów, cyber, inżynierii oprogramowania, użycia narzędzi, automatyzacji i full-stack. Największy bezwzględny skok względem starszego Flash preview jest na DeepSWE: 54.4 versus 7.3, wzrost o 47.1 punktu. Cybergym poprawia się o 38.0 punktów, DSBench-Hard o 33.8 punktu, a DSBench-FullStack o 31.7 punktu.
Dlatego V4 Flash 0731 jest omawiany mniej jak zwykły „szybki model”, a bardziej jak kandydat na domyślny model dla agentów kodujących. Propozycja wartości to nie tylko tani czat. To tania, długokontekstowa, przyjazna narzędziom inferencja agenta.
Pojawiło się wsparcie Responses API i Codex
Log zmian DeepSeek z 31 lipca mówi, że oficjalny V4 Flash natywnie obsługuje format Responses API i jest specjalnie dostosowany do Codex. Przewodnik DeepSeek po Responses API mówi, że format dodano z myślą o Codex, używa bazowego URL-a https://api.deepseek.com i obecnie obsługuje deepseek-v4-flash.
Ma to znaczenie, ponieważ przepływy pracy w stylu Codex to nie proste sesje czatu. Potrzebują zorganizowanych elementów wejścia i wyjścia, elementów rozumowania, wywołań narzędzi, operacji zmiany plików, zdarzeń strumieniowania, rozliczania użycia oraz integracji z klientami agentów kodujących. Wsparcie DeepSeek nie jest idealnym klonem każdej możliwości OpenAI Responses API, ale wystarczy, by uczynić V4 Flash znacznie praktyczniejszym kandydatem do eksperymentów z agentami kodującymi.
Benchmarki wydania oficjalnego V4-Flash
Zastrzeżenia do benchmarków, o których deweloperzy nie powinni zapominać
Oficjalne wyniki ewaluacji (raportowane przez DeepSeek w karcie modelu: https://api-docs.deepseek.com/updates/) pokazują duże skoki względem wersji preview i, co znamienne, względem znacznie większego V4-Pro Preview w zadaniach centrycznych na agentach. Ewaluacje dla benchmarków agentów kodujących używały minimalnego trybu DeepSeek Harness (do wydania) przy maksymalnym nakładzie rozumowania, temperature = 1.0, top_p = 0.95.
Ma to dwie implikacje. Po pierwsze, wynik modelu jest częściowo wynikiem modelu i harnessu. Jeśli runtime twojego agenta ma inne narzędzia, uprawnienia powłoki, zarządzanie kontekstem, retry, zasady patchowania lub obsługę błędów, możesz nie uzyskać tych samych wyników. Po drugie, niezależna reprodukcja jest ograniczona, dopóki DeepSeek nie udostępni wystarczającej części harnessu i ustawień ewaluacyjnych, by zespoły zewnętrzne mogły uruchamiać porównywalne testy.
Oficjalna tabela benchmarków DeepSeek
| Benchmark | V4-Flash-0731 | V4-Flash Preview | V4-Pro Preview | GLM-5.2 | Opus-4.8 |
|---|---|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 61.8 | 72.1 | 81.0 | 85.0 |
| NL2Repo | 54.2 | 39.4 | 38.5 | 48.9 | 69.7 |
| Cybergym | 76.7 | 38.7 | 52.7 | — | 83.1 |
| DeepSWE | 54.4 | 7.3 | 12.8 | 46.2 | 58.0 |
| Toolathlon-Verified | 70.3 | 49.7 | 55.9 | 59.9 | 76.2 |
| Agents’ Last Exam | 25.2 | 15.8 | 16.5 | 23.8 | 25.7 |
| AutomationBench Public | 25.1 | 10.8 | 12.8 | 12.9 | 27.2 |
| DSBench-FullStack † | 68.7 | 37.0 | 41.8 | 61.8 | 71.6 |
| DSBench-Hard † | 59.6 | 25.8 | 31.1 | 54.5 | 71.7 |
W tych dziewięciu benchmarkach V4 Flash 0731 osiąga średnio 55.2. Stare V4 Flash preview ma średnio 29.6, a V4-Pro Preview 34.9. Oznacza to, że V4 Flash 0731 jest około 25.6 punktu wyżej niż Flash preview i 20.3 punktu wyżej niż V4-Pro Preview w tej tabeli.
Sygnały stron trzecich
ARC Prize raportuje dla V4 Flash 0731 (https://arcprize.org/results/deepseek-v4-flash-0731) przy maksymalnym nakładzie wyniki 89.0% na ARC-AGI-1 Semi-Private i 61.4% na ARC-AGI-2 Semi-Private, z kosztami 0.02 i 0.04 USD za zadanie. To nie są benchmarki agentów kodujących, ale wspierają szerszy pogląd, że model jest konkurencyjny w zadaniach rozumowania przy wyższym nakładzie.
Zyski są szczególnie uderzające na DeepSWE (pętla agenta inżynierii oprogramowania) i Cybergym. Niezależne pomiary (np. https://artificialanalysis.ai/models/deepseek-v4-flash) raportują nieco niższe, ale wciąż wysokie wyniki Terminal-Bench około 79%, potwierdzając kierunek poprawy i przypominając, że liczby z harnessu dostawcy mają tendencję do bycia optymistycznymi.
Dodatkowy kontekst z wcześniejszych ewaluacji V4 i agregatorów stron trzecich pokazuje silną wiedzę i wydajność w kodowaniu w trybie max-reasoning (GPQA Diamond ~88–91%, LiveCodeBench wysoka osiemdziesiątka–dziewięćdziesiątka w zależności od źródła). Post-trening 0731 konkretnie odblokował niezawodność agenta, której brakowało w preview.
DeepSeek-V4-Flash teraz obsługuje Responses API i Codex
Strategicznie ważnym dodatkiem jest natywne wsparcie dla OpenAI Responses API. Oficjalna dokumentacja DeepSeek potwierdza, że Responses API obecnie obsługuje deepseek-v4-flash (wsparcie dla Pro oczekiwane na początek sierpnia 2026). Bazowy URL pozostaje https://api.deepseek.com.
To duże ulepszenie doświadczenia deweloperskiego. Przed wsparciem Responses API i Codex, DeepSeek V4 Flash można już było wywoływać jako model tekstowy, ale agent kodujący musiał sam mostkować więcej szczegółów integracji. Teraz model może być użyty w przepływach, które oczekują semantyki w stylu Responses.
Co obejmuje wsparcie Responses API
Responses API DeepSeek tworzy odpowiedź modelu w formacie OpenAI Responses API pod /responses. Responses API obsługuje model, input, instructions, stream, temperature, top_p, max_output_tokens, top_logprobs, narzędzia, wybór narzędzia, nakład rozumowania, format tekstu i raportowanie użycia. API jest bezstanowe, więc klienci muszą wysyłać pełną historię konwersacji dla interakcji wieloturowych.
Najważniejsze szczegóły kompatybilności są praktyczne:
deepseek-v4-flashto obecnie jedyny model obsługiwany przez Responses API.- Wiadomości
developersą traktowane jakosystem. - Obsługiwane są funkcje jako narzędzia, strumieniowanie, regulowany nakład rozumowania i wyszukiwanie w sieci po stronie serwera.
- Niestandardowy typ narzędzia jest obsługiwany tylko dla
apply_patch, co ma znaczenie dla kompatybilności z Codex. - Wejścia obrazów i plików nie są obsługiwane; części wejścia obrazów są zastępowane tekstem zastępczym.
previous_response_id,conversation,store, tryb w tle, metadane i niektóre funkcje zarządzania kontekstem nie są obsługiwane.- Nieobsługiwane parametry mogą być cicho ignorowane, więc klienci produkcyjni powinni jawnie testować oczekiwane zachowanie.
Dla deweloperów kluczowe jest to, że wsparcie Responses API to nie tylko szczegół składni. Pozwala ono V4 Flash zająć pas protokołu używany przez nowoczesnych agentów kodujących, szczególnie tam, gdzie wywołania funkcji, zdarzenia strumieniowania, elementy rozumowania i zastosowanie patchy muszą być reprezentowane spójnie.
Projekt bezstanowy (klient zarządza historią rozmowy). Przykład (Python):
from openai import OpenAI
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")
response = client.responses.create(
model="deepseek-v4-flash",
instructions="You are a helpful coding assistant.",
input="Refactor this Python function for better readability...",
reasoning={"effort": "max"}
)
print(response.output_text)
Pełne szczegóły i przewodnik po integracji z Codex: DeepSeek API Docs – Responses API (https://api-docs.deepseek.com/guides/responses_api) oraz Integrate with Codex (https://api-docs.deepseek.com/quick_start/agent_integrations/codex/).
Co oznacza wsparcie Codex
Przewodnik integracji DeepSeek z Codex mówi, że Codex komunikuje się z modelami przez Responses API, które DeepSeek teraz natywnie obsługuje. To umożliwia bezpośrednią integrację z Codex (ekosystem agenta kodującego OpenAI — CLI, aplikacja desktop ChatGPT oraz rozszerzenie IDE Codex dla VS Code).
Deweloperzy mogą skonfigurować niestandardowego dostawcę raz przez skrypt setup lub edytując ~/.codex/config.toml i plik katalogu modeli. Po konfiguracji klienci Codex rozpoznają DeepSeek-V4-Flash i mogą używać jego wywoływania narzędzi, apply_patch, wyszukiwania w sieci i możliwości rozumowania.
DeepSeek V4 Flash vs. DeepSeek V4 Pro
| Aspekt | V4-Flash-0731 | V4-Pro (typowe / Preview) |
|---|---|---|
| Parametry łącznie/aktywne | 284B / 13B | ~1.6T / 49B |
| Okno kontekstu | 1M tokenów | 1M tokenów |
| Mocne strony | Agentyczne kodowanie, terminal, koszt, szybkość | Najgłębsze rozumowanie, wiedza, najtrudniejsze zadania |
| Przewaga w benchmarkach agentów | Wygrywa na opublikowanym zestawie 0731 | Silniejszy w czystej wiedzy i złożonych wieloplikowych zadaniach w wcześniejszych ewaluacjach |
| Typowe ceny API | ~$0.14 wejście / $0.28 wyjście (cache dużo niżej) | Znacznie wyższe (historycznie 3–12×) |
| Najlepsze zastosowania | Agenci o wysokim wolumenie, produkcyjne pętle kodujące, aplikacje wrażliwe na koszt | Badania graniczne, maksymalna zdolność w pojedynczych zadaniach |
| Otwarte wagi | Tak (MIT) | Tak (MIT) |
Którego deweloperzy powinni użyć najpierw?
W konkretnych benchmarkach agentów opublikowanych z 0731 mniejszy Flash przewyższa Pro preview we wszystkich pozycjach. Dla czystego pozyskiwania wiedzy lub absolutnie najtrudniejszych problemów rozumowania Pro nadal ma przewagę w wielu niezależnych i wcześniejszych ewaluacjach. W praktyce wiele zespołów domyślnie sięga teraz po Flash w większości zadań agentycznych i kieruje tylko najbardziej wymagające zadania do Pro (lub innych modeli czołowych).
Ta strategia routingu to miejsce, gdzie może pomóc CometAPI (https://www.cometapi.com/). Zamiast na sztywno kodować jeden model dla wszystkich obciążeń, użyj CometAPI, by scentralizować wybór modelu, logowanie, śledzenie kosztów i polityki fallback. Na przykład:
- Używaj V4 Flash do podsumowań repozytoriów, planowania refaktoryzacji, szkiców przeglądu kodu, generowanych testów, ekstrakcji strukturalnej, długokontekstowego QA i powtarzalnych pętli agenta.
- Eskaluj do V4 Pro lub innego modelu premium, gdy zadanie ma wysokie ryzyko biznesowe, niejednoznaczne wymagania, kruchy kod produkcyjny lub wielokrotne nieudane próby.
- Śledź metrykę, która naprawdę się liczy: zaakceptowane poprawki na dolara, udane zadania na godzinę lub zaoszczędzone minuty przeglądu przez człowieka.
Czym jest DeepSeek Harness?
DeepSeek Harness to oficjalny framework agenta / warstwa uruchomieniowa, którą DeepSeek buduje, by przekształcić swoje modele w niezawodnych, autonomicznych agentów. Firma ujmuje równanie prosto: Model + Harness = Agent.
Oficjalne ewaluacje V4-Flash-0731 już używały „trybu minimalnego” DeepSeek Harness. Pełny produkt jest nadal wdrażany (rekrutacja i wczesne testy były aktywne pod koniec lipca–na początku sierpnia 2026). Zespół prowadzi Cui Tianyi (doświadczenie w systemach handlu kwantytatywnego), a opisy stanowisk podkreślają głęboką integrację z funkcjami DeepSeek-V4, takimi jak cache prefiksów, zarządzanie długim kontekstem, optymalizacja KV-cache, łańcuchowanie użycia narzędzi, odzyskiwanie po błędach i automatyczny retry.
Harness nie jest generycznym wrapperem w stylu LangChain. Jest współprojektowany z modelem, tak aby zarządzanie kontekstem, orkiestracja narzędzi, gromadzenie dowodów i pętle naprawcze wykorzystywały specyficzne dla V4 efektywności (rzadka atencja, cache’owanie, tryby rozumowania). Istnieją projekty społeczności i frameworki stron trzecich, ale oficjalny Harness mierzy w jak najściślejsze sprzężenie model–runtime.
Po pełnym wydaniu oczekuje się, że zapewni:
- Strukturalne pętle agenta dla kodowania i automatyzacji.
- Bramki bezpieczeństwa i przepływy zatwierdzania.
- Wydajne zarządzanie kontekstem dla zadań długohoryzontowych.
- Obserwowalność i wytwarzanie artefaktów.
Do czasu pełnego wydania deweloperzy mogą już osiągać silne wyniki, łącząc V4-Flash-0731 z istniejącymi frameworkami agentów lub korzystając ze ścieżki Responses API + Codex.
Ceny, dostępność i praktyczne wdrożenie
- Oficjalne ceny API (przybliżone): $0.14 / 1M tokenów wejściowych (cache miss), ~$0.0028–0.03 przy trafieniu cache, $0.28 / 1M tokenów wyjściowych. Wysokie limity współbieżności.
- Otwarte wagi na licencji MIT na Hugging Face; szeroko dostępne skwantyzowane wersje GGUF do lokalnego/samodzielnego hostingu (wymagają znacznego VRAM — pełna precyzja jest duża).
- Dekodowanie spekulatywne (DSpark) i hybrydowa atencja utrzymują względnie wydajną inferencję w długim kontekście.
- Obsługiwane silniki inferencji: vLLM, SGLang i inne z udokumentowanymi receptami.
Dla wielu zespołów najłatwiejszą ścieżką produkcyjną jest bramka kompatybilna z OpenAI. CometAPI (https://www.cometapi.com/) oferuje ujednolicony dostęp do modeli DeepSeek (w tym serii V4) obok setek innych modeli przez pojedynczy endpoint (https://api.cometapi.com/v1). Korzyści obejmują uproszczony routing wielomodelowy, konkurencyjne lub niższe ceny względem bezpośrednich dostawców, analitykę użycia oraz możliwość przełączania między Flash, Pro i innymi modelami bez zmiany kodu aplikacji. To szczególnie przydatne dla systemów agentów, które mogą stosować fallback lub routing wg trudności/kosztu.
Na moment tego artykułu, na stronie modelu CometAPI DeepSeek V4 Flash figurowała startowa cena wejścia $0.12 za 1M tokenów, cena wyjścia $0.24 za 1M tokenów w tabeli porównawczej, 100.0% uptime w ciągu 24 godzin oraz obserwowany czas odpowiedzi 2941 ms. DeepSeek ostrzega też, że ogólne ceny API mogą wkrótce wzrosnąć. Ponieważ ceny dostawców mogą się zmieniać, bezpieczna formuła publikacji brzmi: sprawdź bieżący katalog CometAPI i oficjalne ceny DeepSeek przed zatwierdzeniem budżetów produkcyjnych.
Praktyczne rekomendacje dla deweloperów i zespołów
- Zacznij od Flash-0731 do agentycznego kodowania — Stosunek koszt/efekt jest obecnie znakomity dla workflow terminalowych, repozytoryjnych i wielonarzędziowych. Używaj max reasoning effort + pętli w stylu Harness dla najtrudniejszych zadań.
- Dla lokalnej inferencji pobierz z Hugging Face i podążaj za oficjalnymi receptami vLLM/SGLang włączającymi DSpark.
- Integruj przez Responses API, jeśli już używasz Codex lub chcesz nowoczesnej semantyki wywoływania narzędzi.
- Samodzielnie hostuj lub używaj skwantyzowanych wag dla maksymalnej kontroli kosztów i prywatności danych.
- Rutuj inteligentnie — Flash do wolumenu, Pro (lub inne duże modele) do długiego ogona ultratrudnych problemów.
- Rozważ CometAPI dla uproszczonego dostępu wielomodelowego, zwłaszcza jeśli stos już miesza DeepSeek z innymi dostawcami.
Konkluzja
DeepSeek-V4-Flash-0731 stanowi przełomowy moment w wydajnej agentycznej SI. Dostarczając wydajność agentów konkurencyjną z czołówką z relatywnie kompaktowego MoE (13B aktywnych) dzięki ukierunkowanemu post-treningowi oraz łącząc to z dedykowanym Harness i nowoczesną kompatybilnością API (Responses + Codex), DeepSeek wyznacza nowe oczekiwania wobec opłacalnych agentów do kodowania i automatyzacji.
Niezależnie od tego, czy sam hostujesz otwarte wagi, wywołujesz oficjalne API, czy kierujesz przez ujednoliconą bramkę jak CometAPI, V4-Flash-0731 + rozwijający się ekosystem Harness oferuje wysokowydajną, opłacalną podstawę dla następnej generacji agentów AI.
FAQ
Czym jest DeepSeek V4 Flash 0731?
DeepSeek V4 Flash 0731 to oficjalne publiczne wydanie beta DeepSeek V4 Flash w DeepSeek API, ogłoszone w logu zmian z 31 lipca 2026. Zastępuje wersję preview, zachowując tę samą nazwę modelu w API, deepseek-v4-flash.
Co nowego w DeepSeek V4 Flash 0731?
Główne zmiany to lepsze wyniki w benchmarkach agentów, natywne wsparcie Responses API, dostosowanie do Codex oraz oficjalny build V4 Flash po ponownym post-treningu. DeepSeek mówi, że architektura i rozmiar modelu pozostały takie same jak w wersji preview.
Czy DeepSeek V4 Flash 0731 obsługuje Codex?
Tak. Przewodnik DeepSeek dla Codex mówi, że obecnie tylko deepseek-v4-flash obsługuje integrację z Codex. Działa przez Responses API i może być skonfigurowany dla Codex CLI, aplikacji desktop ChatGPT i rozszerzenia IDE Codex dla VS Code.
Czym jest DeepSeek Harness?
DeepSeek Harness to framework agenta DeepSeek do przekształcania modeli językowych w autonomicznych agentów do kodowania lub przepływów pracy. Publiczne opisy określają harness jako warstwę, która zarządza narzędziami, kontekstem, plikami, wykonywaniem poleceń i wieloetapowymi workflow. DeepSeek użył minimalnego trybu Harness w konfiguracji benchmarków V4 Flash 0731.
Jak mogę uzyskać dostęp do DeepSeek V4 Flash przez CometAPI?
Użyj kompatybilnego z OpenAI endpointu CometAPI z identyfikatorem modelu deepseek-v4-flash. Strona modelu CometAPI dostarcza przykłady cURL, Pythona i JavaScript dla /v1/chat/completions, a także specyfikację modelu, ceny i informacje o uptime.
Czy DeepSeek V4 Flash jest lepszy niż DeepSeek V4 Pro?
Dla tabeli benchmarków z 31 lipca V4 Flash 0731 wygrywa z V4-Pro Preview w wymienionych benchmarkach agentów. To nie znaczy, że Flash zawsze jest lepszy niż Pro. V4 Pro jest większy i pozostaje silniejszy w wielu zadaniach silnie opartych na wiedzy i trudnym rozumowaniu według karty modelu. Używaj Flash jako domyślnego dla kosztoczułych przepływów agentów, a Pro jako ścieżki eskalacji.