DeepSeek ने अपने V4 Flash मॉडल को अपडेट किया है, जिसने 2026-07-31 को एक नया संस्करण जारी किया जो पिछले प्रीव्यू की तुलना में महत्वपूर्ण प्रदर्शन लाभ दिखाता है। इस अपडेट में कई नए बेंचमार्क के लिए परिणाम पेश किए गए हैं और मौजूदा बेंचमार्क पर स्कोर में सुधार हुआ है।

  • Terminal Bench स्कोर 56.9 से बढ़कर 82.7 हो गया (नोट: बेंचमार्क v2.0 से v2.1 में बदल गया)।
  • Toolathlon स्कोर 51.8 से बढ़कर 70.3 हो गया।
  • नए बेंचमार्क परिणामों में NL2Repo (54.2), Cybergym (76.7), DeepSWE (54.4), Agent Last Exam (25.2), Automation Bench (25.1), DSBench-FullStack (68.7) और DSBench-Hard (59.6) शामिल हैं।
  • GPT-5.6 Terra की तुलना में, V4 Flash Terminal Bench (+4.3) और Toolathlon (+17.2) में आगे है, जबकि Terra DeepSWE (+15.2) और Agents' Last Exam (+25.2) में आगे है।

इस अपडेट ने एजेंट-संबंधी कार्यों के लिए मॉडल का अधिक सक्षम संस्करण प्रदान किया है, हालांकि GPT-5.6 Terra जैसे प्रतिस्पर्धियों के सापेक्ष प्रदर्शन विशिष्ट बेंचमार्क पर निर्भर करते हुए मिश्रित रहा है।