DeepSeek V4-Flash 最新消息：API、Agent、Tool Calling 和 JSON 输出有什么变化？

V4-Flash 更新在改什么

官方 Changelog 把这次更新概括成几条硬事实：调用方式不变，把 model 设为 deepseek-v4-flash 即可；V4-Flash-0731 与 Preview 同架构同尺寸，只是重新 post-train；V4-Flash 原生支持 Responses API 格式并针对 Codex 做了适配；deepseek-chat 与 deepseek-reasoner 计划在 2026-07-24 停用。这意味着现有集成大多只需改 model 字符串，但 Thinking + Tools 的组合必须重新测一遍回放逻辑。

性能侧，文档提到 JSON 格式输出准确率在内测集从 78% 提到 85%，配合正则可进一步到 97%；IFEval Prompt-Level 从 63.9% 跳到 77.6%。这些数字说明 V4-Flash 更听 system 指令，但不等于 Schema 级约束——JSON 模式仍只保证「能 parse」，不保证字段名和类型。

上下文窗口文档写 1M token 输入、最大输出 384K token。生产里仍应按任务设 max_tokens，尤其在 JSON 模式下，官方明确警告：token 不够会把 JSON 字符串截断在中间。

API 接入：模型名与兼容层

base_url 仍是 https://api.deepseek.com，Chat Completions 端点 /chat/completions 不变。OpenAI SDK 只需改 base_url 和 model；Anthropic 兼容接口也可访问 V4 模型。GET /models 列出的当前模型通常是 deepseek-v4-flash 与 deepseek-v4-pro，不要继续依赖旧别名。

下面是最小请求骨架：非 Thinking、纯文本.completion。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_KEY",
    base_url="https://api.deepseek.com",
)

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "user", "content": "Summarize JSON tooling in one sentence."}
    ],
    max_tokens=256,
)
print(resp.choices[0].message.content)

若你用的是 LangChain、LiteLLM 或自研网关，先确认框架有没有把 DeepSeek 的 thinking 字段映射错——有些配置会禁用 tool_choice 或丢弃 reasoning_content，导致 Agent 第二轮直接 400。

官方 Changelog 与 Tool Calls 指南见 DeepSeek API Updates 与 Tool Calls.

Thinking 模式与 Agent 循环

V4-Flash 与 V4-Pro 都支持 Thinking 与非 Thinking。开启方式是在请求里加 extra_body，例如 extra_body={"thinking": {"type": "enabled"}}。响应里除了 content，还会出现 reasoning_content——模型内部推理链，不一定是你想展示给用户的文案。

Agent 循环的关键规则：只要某轮 assistant 消息带 tool_calls，后续所有请求必须把该 assistant 消息的 reasoning_content 完整回传。漏传会 HTTP 400。这和 OpenAI 近期「保留 reasoning items」的思路类似，但 DeepSeek 在带 tools 参数时写得更硬。

实践上，你的会话存储结构要能存三元组：role、content、reasoning_content、tool_calls。Replay 时按 API 要求的顺序 append，不要自己 strip 推理字段「省 token」——省下来的字节会在下一轮变成 400。

终止条件：当 assistant 消息的 tool_calls 为 null 或空，模型认为任务完成，不再请求外部工具。你的 orchestrator 应在此刻读取 content 做最终答复或再开 JSON 抽取。

Tool Calling：参数 JSON 与 strict

Tool Calling 走 OpenAI 标准：请求里声明 tools 数组，每项含 type: function、name、description、parameters（JSON Schema）。模型返回 assistant.tool_calls，其中 function.arguments 是 JSON 字符串，不是已 parse 的对象——你的执行层必须 JSON.parse 并校验后再调真实 API。

DeepSeek 文档提供 Function Calling strict 模式（Beta）：在工具定义上打开 strict，服务端会尽量让 arguments 贴合声明的 Schema。Beta 意味着 Schema 子集受限，不是任意 JSON Schema 都能过——集成测试应 pinned 到文档列出的支持关键词。

记住：模型不执行函数。它只决定「要不要调、调哪个、参数 JSON 长什么样」。查库存、写数据库、发 HTTP 都是你的后端职责；arguments 落地前仍建议走 JSON Schema 校验，和 MCP tools/call 的参数校验是同一类工程问题。

和 JSON 输出分工：需要实时外部数据时用 Tool Calls；只需要从已有上下文抽字段时用 json_object。Agent 常见模式是中间步 Tool Calls，最后一步 json_object 输出结构化报告。

JSON 输出：json_object 与空响应

DeepSeek JSON 模式只有 response_format: {"type": "json_object"}，没有 response_format: json_schema。要稳定拿到 JSON，官方四条要求都要满足：设置 response_format；在 system 或 user 里出现「json」字样并给出示例形状；合理设置 max_tokens 防截断；知道 API 偶尔返回空 content，生产要有重试或降级。

Thinking 与 JSON 可以同时开，但 json_object 不能替代清晰指令。实测里出现过 HTTP 200、finish_reason: stop、content 为空的情况；加强 system 里「返回一个合法 JSON 对象，键为 …」通常能修复。解析后仍要本地校验键和类型——JSON 模式不保证 Schema。

下面示例：抽取工单意图与紧急程度，非 Thinking，带宽 max_tokens。

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {
            "role": "system",
            "content": (
                'Extract intent and urgency as json. '
                'Example: {"intent":"refund","urgency":"high"}'
            ),
        },
        {"role": "user", "content": "Card charged twice, need refund today."},
    ],
    response_format={"type": "json_object"},
    max_tokens=400,
)

拿到字符串后，先 JSON.parse，再丢进 Schema 校验器。和 Gemini、OpenAI Structured Output 的差别，见站内 AI Structured Output 教程——DeepSeek 目前停在「语法 JSON」层，形状约束要靠 prompt 示例 + 本地校验，或 Tool strict（仅参数侧）。

JSON 输出官方说明见 JSON Output.

和 Structured Output 的边界

可以把各家能力放在同一张表里对比选型：

三条链路可以并存：MCP Server 暴露工具，DeepSeek Agent 用 Tool Calls 调你的 HTTP 适配层，最后一跳 json_object 汇总成报表 JSON。无论哪一层，JSON 字符串落地前都建议在浏览器或 CI 里做一次校验。

延伸阅读：AI Structured Output 教程、Gemini API JSON 输出、Stateless MCP 解析。

常见问题 FAQ

总结与下一步

DeepSeek V4-Flash 把模型能力推到 V4 命名空间，API 外壳仍 OpenAI 兼容，但 Agent 开发者必须处理 reasoning_content 回放、Tool arguments 的 JSON 字符串解析，以及 json_object 的空响应与截断风险。JSON 准确率提升不等于 Schema 约束——要和 OpenAI/Gemini Structured Output 区分层级。

下一步：用 deepseek-v4-flash 跑一条 Tool Call 链和一条 JSON 抽取，把返回值贴进 JSONVue 做格式化和 Schema 校验。需要对比解码级 Schema 约束时，阅读 AI Structured Output 与 Gemini JSON 输出教程；需要 Remote 工具部署时，阅读 Stateless MCP 文。