DeepSeek-V4-Flash-0731 chính thức ra mắt: Agent vượt V4-Pro-Preview, hỗ trợ Codex

Ngày 31/07/2026, DeepSeek chính thức đưa DeepSeek-V4-Flash-0731 lên API public beta. Điểm đáng chú ý không nằm ở việc tăng số tham số hay thay đổi kiến trúc, mà ở một vòng hậu huấn luyện mới giúp năng lực Agent tăng mạnh. Theo changelog của DeepSeek, bản chính thức đạt kết quả cao hơn rõ rệt so với DeepSeek-V4-Pro-Preview trong nhóm bài kiểm tra Agent, đồng thời hỗ trợ nguyên bản Responses API và được tối ưu riêng để hoạt động với Codex.

Đây là một cập nhật quan trọng đối với developer, người xây dựng AI Agent, hệ thống tự động hóa, sản phẩm vibecoding và các đội ngũ đang cần một mô hình có chi phí thấp nhưng vẫn đủ khả năng đọc repository, thao tác terminal, gọi công cụ, sửa code và hoàn thành chuỗi tác vụ dài. Tuy nhiên, cần tách biệt dữ kiện chính thức với những cách diễn giải đang lan truyền trong cộng đồng Trung Quốc. Cụm từ “梁圣回归” đang được nhiều tài khoản dùng để nói về màn trở lại mạnh mẽ của DeepSeek, nhưng chưa có thông báo chính thức nào xác nhận thay đổi nhân sự liên quan đến cách gọi này.

DeepSeek đã xác nhận những gì trong bản cập nhật ngày 31/07/2026?

Theo changelog chính thức của DeepSeek, model gọi qua API vẫn dùng tên deepseek-v4-flash, còn phiên bản hiện hành được ghi là DeepSeek-V4-Flash-0731. Cách gọi API cơ bản không thay đổi, vì vậy các hệ thống đã dùng endpoint của DeepSeek không cần viết lại toàn bộ lớp tích hợp.

DeepSeek xác nhận kiến trúc và kích thước của V4-Flash-0731 giữ nguyên so với V4-Flash-Preview. Bản cập nhật chỉ thực hiện lại giai đoạn hậu huấn luyện. Điều đó có nghĩa là bước nhảy về Agent không đến từ việc mở rộng mô hình, mà đến từ việc cải thiện hành vi sau pre-training: cách lập kế hoạch, sử dụng công cụ, đọc phản hồi từ môi trường, sửa lỗi và tiếp tục công việc qua nhiều vòng.

Bản chính thức hỗ trợ nguyên bản định dạng Responses API và được thích nghi riêng cho Codex. Tuy nhiên, đợt nâng cấp này chỉ áp dụng cho API của DeepSeek-V4-Flash. DeepSeek-V4-Pro trên API và các model đang chạy trong APP/WEB chưa được thay đổi. Hãng cho biết V4-Pro chính thức sẽ được phát hành sớm; tài liệu tích hợp Codex hiện dự kiến bổ sung hỗ trợ V4-Pro vào đầu tháng 8/2026.

Điểm cần nhớ: đây là bản API public beta của V4-Flash chính thức. Người dùng ứng dụng DeepSeek trên web hoặc app không nên mặc định rằng model họ đang trò chuyện đã được nâng lên cùng phiên bản.

Thông số nền tảng của DeepSeek-V4-Flash

Trang model chính thức trên Hugging Face của DeepSeek-AI mô tả V4-Flash là mô hình Mixture-of-Experts có 284 tỷ tham số tổng và khoảng 13 tỷ tham số được kích hoạt cho mỗi lượt suy luận. Model hỗ trợ cửa sổ ngữ cảnh 1 triệu token. Bộ trọng số mở được phát hành theo giấy phép MIT; việc sử dụng dịch vụ API vẫn tuân theo điều khoản dịch vụ của DeepSeek.

Quy mô 13B active giúp V4-Flash có định hướng khác V4-Pro: ưu tiên tốc độ, chi phí và khả năng phục vụ đồng thời nhiều phiên Agent. Context 1M phù hợp với repository lớn, tài liệu kỹ thuật dài hoặc quy trình nhiều bước, nhưng không đồng nghĩa người dùng nên gửi toàn bộ dữ liệu vào mọi request. Context càng lớn thì độ trễ, chi phí và khả năng phân tán sự chú ý càng tăng; lớp retrieval và chiến lược chia task vẫn rất quan trọng.

Bảng benchmark Agent của DeepSeek-V4-Flash-0731

DeepSeek công bố chín kết quả nổi bật cho bản chính thức. Hãng cho biết năng lực Agent đã tăng mạnh và vượt xa V4-Pro-Preview. Changelog không cung cấp điểm đối chiếu chi tiết của V4-Pro-Preview cho từng hàng, vì vậy bảng dưới đây chỉ ghi các con số được DeepSeek công bố trực tiếp cho V4-Flash-0731.

Đối với các tác vụ Code Agent thuộc bộ benchmark công khai, DeepSeek cho biết bản chính thức được đánh giá bằng chế độ tối giản của DeepSeek Harness, một framework hãng dự kiến công bố sau. Cấu hình test sử dụng mức suy luận max, top_p=0.95 và temperature=1.0. Hai bộ DSBench-FullStack và DSBench-Hard là benchmark nội bộ, vì vậy cộng đồng chưa thể tái lập độc lập toàn bộ quy trình đánh giá của chúng.

Terminal Bench 2.1 đạt 82.7 có ý nghĩa gì?

Terminal Bench đánh giá nhiều hơn khả năng viết một đoạn code đúng cú pháp. Agent phải quan sát môi trường, chạy lệnh, đọc lỗi, thay đổi file, kiểm tra kết quả và tiếp tục cho tới khi hoàn thành mục tiêu. Điểm 82.7 cho thấy DeepSeek đang tập trung vào năng lực “làm việc” thay vì chỉ tạo câu trả lời đẹp. Đây là phần quan trọng nhất với Codex, Claude Code, OpenCode và các agent phát triển phần mềm khác.

Dù vậy, benchmark không phải cam kết rằng model sẽ đạt tỷ lệ tương tự trên repository của doanh nghiệp. Dependency riêng, kiến trúc nội bộ, quy tắc bảo mật, test thiếu ổn định và dữ liệu miền chuyên biệt có thể làm kết quả production thấp hơn đáng kể. Cách đánh giá đúng vẫn là xây một bộ task lấy từ backlog thực tế và đo tỷ lệ hoàn thành sau khi chạy test.

NL2Repo, DeepSWE và DSBench-FullStack

Ba nhóm này phản ánh ba tầng công việc khác nhau. NL2Repo kiểm tra khả năng biến đặc tả bằng ngôn ngữ tự nhiên thành một cấu trúc dự án có thể sử dụng. DeepSWE nghiêng về sửa lỗi và software engineering. DSBench-FullStack mở rộng phạm vi sang nhiều lớp của ứng dụng, từ backend, frontend, dữ liệu cho tới tích hợp. Khi kết hợp với context 1M, V4-Flash có tiềm năng trở thành engine chi phí thấp cho các tác vụ kéo dài hơn một lần sinh code.

Toolathlon và Automation Bench

Agent thực tế thường phải phối hợp API, shell, tìm kiếm, database, file và các công cụ riêng của doanh nghiệp. Toolathlon đánh giá khả năng lựa chọn và sử dụng công cụ, còn Automation Bench phản ánh khả năng hoàn thành chuỗi tự động hóa. Điểm số chưa cao tuyệt đối ở mọi benchmark cho thấy vẫn cần guardrail, xác thực đầu ra và cơ chế retry; nhưng xu hướng cải thiện sau hậu huấn luyện là phần đáng chú ý nhất.

Vì sao chỉ hậu huấn luyện mà năng lực Agent có thể tăng mạnh?

Pre-training giúp mô hình học ngôn ngữ, kiến thức và mẫu lập trình từ một lượng dữ liệu rất lớn. Hậu huấn luyện lại định hình cách mô hình hành động khi nhận một mục tiêu cụ thể. Với Agent, chênh lệch thường nằm ở những hành vi rất thực tế: có đọc yêu cầu trước khi sửa file không, có kiểm tra trạng thái repository không, có chạy test sau thay đổi không, có hiểu tool output không và có biết dừng đúng thời điểm không.

Một mô hình có kiến thức tốt nhưng hậu huấn luyện yếu có thể viết code hợp lý trong một lượt, rồi thất bại khi phải tương tác với môi trường. Ngược lại, cùng một kiến trúc có thể tăng mạnh tỷ lệ hoàn thành nếu được huấn luyện trên trajectory dài, phản hồi từ terminal, tình huống lỗi, quá trình rollback và tiêu chí xác minh cuối cùng. Vì vậy, việc DeepSeek giữ nguyên 284B/13B active nhưng cải thiện sâu các benchmark Agent là diễn biến hợp lý về mặt kỹ thuật.

Học từ trajectory thay vì chỉ học câu trả lời cuối

Trong một tác vụ Agent, đáp án cuối chỉ là một phần nhỏ. Giá trị nằm ở chuỗi quyết định dẫn tới đáp án: chọn file nào để đọc, gọi công cụ nào, hiểu lỗi ra sao, sửa tối thiểu ở đâu và dùng test nào để xác nhận. Hậu huấn luyện có thể thưởng cho toàn bộ trajectory tốt và phạt các hành vi như sửa quá rộng, lặp vô hạn, bỏ qua test hoặc đưa ra kết luận khi chưa có bằng chứng.

Post-training có thể cải thiện “độ bền” của Agent

Agent coding thường thất bại không phải vì thiếu kiến thức lập trình cơ bản, mà vì mất mục tiêu sau nhiều vòng công cụ. Một pipeline hậu huấn luyện tốt có thể tăng khả năng giữ trạng thái nhiệm vụ, theo dõi các giả thuyết đã thử và quay lại kế hoạch khi một nhánh thất bại. Đây là dạng năng lực mà benchmark một lượt như HumanEval khó phản ánh đầy đủ.

Responses API: điểm kết nối quan trọng với hệ sinh thái Agent

DeepSeek-V4-Flash-0731 hiện là model DeepSeek duy nhất hỗ trợ Responses API. Tài liệu Responses API chính thức cho biết base URL vẫn là https://api.deepseek.com. Giao diện này tương thích với cấu trúc Responses API, hỗ trợ input dạng chuỗi hoặc item, streaming, function tool, web search và định dạng đầu ra có cấu trúc.

from openai import OpenAI

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

response = client.responses.create(
    model="deepseek-v4-flash",
    instructions="Bạn là trợ lý lập trình, luôn kiểm tra giả định trước khi trả lời.",
    input="Viết một hàm Python kiểm tra số nguyên tố và giải thích độ phức tạp."
)

print(response.output_text)

Ví dụ trên bám sát mẫu gọi tối thiểu trong tài liệu DeepSeek. Khóa API nên được lưu trong biến môi trường hoặc secret manager thay vì ghi trực tiếp vào mã nguồn. Khi xây Agent có tool, ứng dụng cần xử lý các item như function_call, thực thi công cụ trong môi trường an toàn rồi gửi function_call_output trở lại.

Những gì Responses API của DeepSeek đang hỗ trợ

• input, instructions, streaming và max_output_tokens.
• Function tool và web search do máy chủ thực hiện.
• tool_choice gồm none, auto, required hoặc chỉ định công cụ cụ thể.
• Reasoning effort; trường summary có thể được truyền vào nhưng hiện không tạo reasoning summary.
• Structured text format; verbosity có thể truyền nhưng chưa có hiệu lực.
• Custom tool tên apply_patch để tương thích với Codex.

Những giới hạn cần biết trước khi migration

• API hiện không hỗ trợ previous_response_id và conversation; đây là API stateless.
• store, background mode, metadata, include và prompt object chưa được hỗ trợ.
• Không hỗ trợ input hình ảnh hoặc file; nội dung ảnh có thể bị thay bằng placeholder.
• Các built-in tool như file_search, code_interpreter, computer_use và MCP hiện bị bỏ qua.
• parallel_tool_calls bị bỏ qua vì gọi công cụ song song luôn được bật.
• Input vượt context không được tự cắt; request có thể trả lỗi 400.

Điểm quan trọng là “tương thích Responses API” không đồng nghĩa hỗ trợ toàn bộ tính năng của mọi nhà cung cấp. Khi thay endpoint cho một ứng dụng có sẵn, developer cần kiểm tra từng tham số thay vì giả định rằng mọi chức năng sẽ giữ nguyên.

DeepSeek-V4-Flash hoạt động với Codex như thế nào?

DeepSeek đã xuất bản hướng dẫn tích hợp Codex. Tài liệu xác nhận hiện chỉ V4-Flash hỗ trợ kết nối Codex, trong khi V4-Pro dự kiến được bổ sung vào đầu tháng 8/2026. Codex CLI, ứng dụng desktop và extension Codex trong VS Code cùng sử dụng thư mục cấu hình, nên một lần cấu hình có thể áp dụng cho nhiều hình thức sử dụng.

DeepSeek cung cấp script thiết lập cho macOS/Linux và Windows, đồng thời có hướng dẫn chỉnh models.json và config.toml thủ công. Script chính thức sao lưu cấu hình cũ, khai báo metadata model, thêm provider DeepSeek và kiểm tra cú pháp trước khi ghi. Đây là lựa chọn an toàn hơn việc tự sao chép một cấu hình không rõ nguồn.

Trong metadata Codex, V4-Flash được khai báo context 1.048.576 token, hỗ trợ các mức reasoning low, high và max, gọi công cụ song song, web search và custom apply_patch. Việc tối ưu cho Codex không chỉ là đổi tên model; nó bao gồm ánh xạ định dạng công cụ và hành vi mà coding agent cần để đọc, sửa và kiểm tra workspace.

Thinking mode mặc định bật: lợi ích và điểm dễ sai

Theo tài liệu thinking mode, chế độ suy luận được bật mặc định và effort mặc định là high. Với V4-Flash, người dùng có thể chọn low, high hoặc max. Ở thinking mode, các tham số temperature, top_p, presence_penalty và frequency_penalty không có hiệu lực dù API có thể không báo lỗi để duy trì tính tương thích.

Thinking mode hỗ trợ tool calls. Khi model đã thực hiện gọi công cụ, ứng dụng phải giữ và gửi lại đầy đủ reasoning_content trong các request tiếp theo của vòng tương tác đó. Nếu không, API có thể trả lỗi 400. Quy tắc này đặc biệt quan trọng với những Agent tự quản lý vòng Chat Completions thay vì dựa trên abstraction có sẵn.

Ngược lại, FIM completion chỉ hỗ trợ non-thinking mode. Vì vậy, cùng một model nhưng cấu hình phù hợp sẽ khác nhau theo workload: coding Agent nhiều bước nên thử high hoặc max; autocomplete/FIM cần tắt thinking; chatbot độ trễ thấp có thể thử low và đo lại chất lượng.

Giá API DeepSeek-V4-Flash-0731

Theo trang giá chính thức, V4-Flash có context 1M, output tối đa 384K, hỗ trợ JSON Output, Tool Calls, Anthropic API, prefix completion và Responses API. FIM chỉ hoạt động ở non-thinking mode.

Giới hạn đồng thời được công bố là 2.500. Đây là thông số concurrency chứ không phải số request miễn phí. Chi phí thực tế của Agent phụ thuộc nhiều vào số vòng công cụ, reasoning token, lượng context được gửi lại và tỷ lệ cache hit.

DeepSeek cũng ghi chú rằng dịch vụ API sắp áp dụng định giá cao điểm. Giá trong khung 9:00–12:00 và 14:00–18:00 theo giờ Bắc Kinh dự kiến bằng hai lần giá thông thường; thời điểm áp dụng cụ thể sẽ được thông báo sau. Các hệ thống batch có thể cân nhắc lập lịch ngoài giờ cao điểm, nhưng không nên thay đổi vận hành cho tới khi DeepSeek công bố ngày bắt đầu chính thức.

Ví dụ cách ước tính chi phí Agent

Giả sử một tác vụ dùng 200.000 input token không cache, 50.000 input token cache hit và 30.000 output token. Chi phí cơ sở được tính theo bảng hiện tại là khoảng 0,2 CNY cho phần input không cache, 0,001 CNY cho phần cache hit và 0,06 CNY cho output, tổng khoảng 0,261 CNY. Con số này chưa tính khả năng giá cao điểm và không phản ánh mọi vòng retry.

Để tối ưu, hãy giữ system prompt và phần context ổn định ở đầu request để tăng khả năng cache hit; tránh gửi lại toàn bộ repository khi chỉ cần một số file; đặt giới hạn vòng lặp Agent; và ghi nhận usage của từng bước thay vì chỉ nhìn hóa đơn cuối tháng.

Checklist migration từ deepseek-chat và deepseek-reasoner

Hai model alias cũ deepseek-chat và deepseek-reasoner đã được DeepSeek lên lịch ngừng sử dụng từ ngày 24/07/2026. Hệ thống còn dựa vào tên cũ nên chuyển sang model mới và kiểm tra thực tế thay vì chỉ đổi chuỗi tên trong biến môi trường.

1. Tìm toàn bộ vị trí đang dùng deepseek-chat hoặc deepseek-reasoner trong code, workflow, secret và dashboard.
2. Chuyển model sang deepseek-v4-flash.
3. Nâng SDK tương thích nếu muốn dùng client.responses.create().
4. Chọn Chat Completions, Anthropic API hoặc Responses API dựa trên bộ tính năng đang cần.
5. Kiểm tra thinking mode vì mặc định được bật ở mức high.
6. Nếu tự quản lý tool loop trong Chat Completions, lưu và gửi lại reasoning_content.
7. Nếu dùng FIM, tắt thinking mode.
8. Loại bỏ hoặc thay thế các tính năng Responses API chưa hỗ trợ như image input, file input, code_interpreter, computer_use và MCP.
9. Chạy lại tập regression test với prompt production, không chỉ prompt demo.
10. Thiết lập theo dõi latency, token, cache hit, lỗi tool call, lỗi 400 và tỷ lệ hoàn thành task.

Checklist thử nghiệm trước khi đưa vào production

• Bộ task đại diện: lấy nhiệm vụ thật từ backlog, chia theo độ khó và loại repository.
• Định nghĩa “hoàn thành”: yêu cầu test pass, lint pass, build thành công hoặc output khớp schema.
• Đo p50/p95 latency: so sánh low, high và max effort.
• Giới hạn quyền: Agent chỉ được thao tác trong sandbox và không tự ý truy cập secret.
• Kiểm soát shell: chặn lệnh phá hủy, command injection và đường dẫn ngoài workspace.
• Tool timeout: mọi công cụ cần timeout, retry có giới hạn và log rõ ràng.
• Quan sát vòng lặp: đặt số bước tối đa để tránh Agent tiêu tốn token vô hạn.
• Đánh giá patch: đo kích thước diff, số file bị sửa và tỷ lệ thay đổi ngoài phạm vi.
• Fallback: xác định model dự phòng hoặc luồng chuyển sang con người khi confidence thấp.
• Chi phí: theo dõi cached input, uncached input, reasoning/output và ảnh hưởng của giờ cao điểm khi chính sách có hiệu lực.

Ai nên thử DeepSeek-V4-Flash-0731?

Developer và đội ngũ vibecoding

Nhóm này hưởng lợi trực tiếp từ điểm Terminal Bench, NL2Repo và DeepSWE. V4-Flash phù hợp để thử các tác vụ sửa bug, viết test, scaffold dự án, migration dependency, refactor có kiểm soát và tạo tài liệu kỹ thuật. Codex integration giúp giảm công sức tự xây adapter cho coding agent.

Startup xây AI Agent và automation

Giá token thấp và concurrency cao tạo điều kiện thử nghiệm nhiều workflow. Các use case phù hợp gồm xử lý ticket, tổng hợp dữ liệu có tool, tự động hóa nội bộ, agent nghiên cứu và pipeline tạo nội dung có bước kiểm chứng. Tuy nhiên, hệ thống cần tự quản lý trạng thái vì Responses API không có conversation state lưu trên máy chủ.

Doanh nghiệp có repository lớn

Context 1M hữu ích khi model cần đọc nhiều file, nhưng doanh nghiệp vẫn nên áp dụng repository map, code search và quyền truy cập theo phạm vi. Đưa toàn bộ mã nguồn vào mọi request có thể làm tăng chi phí, độ trễ và rủi ro rò rỉ dữ liệu.

Nhóm chưa nên chuyển ngay

Ứng dụng phụ thuộc vào image/file input, code interpreter, computer use hoặc MCP qua Responses API sẽ phải xây lớp thay thế. Workload cần suy luận thuần túy ở mức cao nhất cũng có thể chờ V4-Pro chính thức để thử nghiệm đối chiếu. Các hệ thống chịu yêu cầu compliance nghiêm ngặt cần đánh giá điều khoản dữ liệu và khu vực xử lý trước khi tích hợp.

Những hạn chế cần trình bày thẳng

Thứ nhất, kết quả benchmark do chính DeepSeek công bố. Nhiều bộ công khai có thể được tái lập sau khi DeepSeek Harness minimal mode được phát hành, nhưng DSBench-FullStack và DSBench-Hard là bộ nội bộ. Do đó, bài viết không nên biến số benchmark thành bảo đảm về chất lượng production.

Thứ hai, Responses API mới chỉ hỗ trợ một phần hệ sinh thái công cụ. Việc các tham số không được hỗ trợ có thể bị bỏ qua im lặng khiến ứng dụng tưởng rằng một tính năng đang hoạt động. Đây là lý do cần kiểm thử hành vi, không chỉ kiểm tra request có trả HTTP 200 hay không.

Thứ ba, model mặc định thinking high có thể tạo độ trễ lớn hơn dự kiến. Với chatbot hoặc autocomplete, mức low hoặc non-thinking có thể phù hợp hơn. Ngược lại, giảm effort quá sâu cho Agent khó có thể làm mất lợi thế vừa được cải thiện bằng hậu huấn luyện.

Thứ tư, V4-Flash-0731 hiện là cập nhật API. APP/WEB chưa thay đổi theo đợt này. Người dùng cuối không nên kiểm tra model trên giao diện chat rồi kết luận rằng API cũng cho kết quả giống hệt.

“梁圣回归” nên được hiểu thế nào?

Cụm “梁圣回归” có thể dịch gần nghĩa là “Lương Thánh trở lại”, một cách gọi mang tính cộng đồng dành cho nhân vật được người dùng Trung Quốc gắn với năng lực kỹ thuật của DeepSeek. Tuy nhiên, changelog, tài liệu API và model card chính thức không xác nhận việc một nhân sự cụ thể trở lại hay trực tiếp tạo ra V4-Flash-0731.

Vì vậy, cách biên tập chính xác là ghi nhận đây là lời bình luận hoặc cách diễn giải của cộng đồng, đồng thời lấy dữ kiện kỹ thuật làm trung tâm: bản model giữ nguyên kiến trúc, được hậu huấn luyện lại, Agent benchmark tăng mạnh và Responses API/Codex được hỗ trợ. Việc đưa tin đồn nhân sự vào tiêu đề như một sự thật sẽ làm giảm độ tin cậy của bài viết.

DeepSeek-V4-Pro chính thức sẽ là mảnh ghép tiếp theo

DeepSeek cho biết V4-Pro chính thức sẽ được phát hành sớm. Ở thời điểm 31/07/2026, V4-Pro API và APP/WEB chưa được nâng cấp trong đợt này. Responses API và kết nối Codex hiện chỉ hỗ trợ V4-Flash; tài liệu dự kiến V4-Pro sẽ tham gia vào đầu tháng 8.

Điểm đáng chờ đợi là liệu hậu huấn luyện tương tự có giúp V4-Pro tăng năng lực Agent mạnh như Flash hay không, và model lớn hơn sẽ cân bằng ra sao giữa kiến thức, suy luận sâu, tốc độ và chi phí. Cho tới khi có benchmark chính thức, mọi dự đoán về mức tăng của Pro nên được xem là giả thuyết.

Câu hỏi thường gặp

DeepSeek-V4-Flash chính thức có dùng được ngay không?

Có. API public beta đã hoạt động với tên model deepseek-v4-flash. Người dùng cần có tài khoản và API key DeepSeek.

Bản web và app đã lên V4-Flash-0731 chưa?

Không theo changelog ngày 31/07. DeepSeek nói rõ đợt này chỉ nâng API của V4-Flash; APP/WEB chưa thay đổi.

V4-Flash-0731 có vượt V4-Pro-Preview không?

DeepSeek tuyên bố năng lực Agent của bản chính thức tăng mạnh và vượt xa V4-Pro-Preview. Các con số công bố trong changelog là điểm của V4-Flash-0731; hãng không đưa bảng điểm đối chiếu từng benchmark của Pro Preview trong changelog.

Responses API có lưu hội thoại không?

Không. Triển khai hiện tại là stateless, không hỗ trợ previous_response_id hoặc conversation. Ứng dụng phải tự quản lý ngữ cảnh cần gửi lại.

Model có dùng MCP qua Responses API không?

Chưa. Tài liệu liệt kê MCP cùng code_interpreter, computer_use và một số built-in tool khác là chưa được hỗ trợ trong Responses API của DeepSeek.

Thinking mode có dùng được tool calls không?

Có. Tuy nhiên, trong vòng tool của Chat Completions, ứng dụng phải gửi lại reasoning_content đúng quy cách ở các request tiếp theo.

Model có chạy local được không?

Trọng số mở được công bố trên Hugging Face, nhưng quy mô 284B tổng và 13B active vẫn đòi hỏi hạ tầng lớn. “13B active” không có nghĩa model chỉ cần bộ nhớ tương đương một model dense 13B, vì toàn bộ trọng số MoE vẫn phải được lưu hoặc phân phối.

Kết luận

DeepSeek-V4-Flash-0731 là ví dụ rõ ràng cho thấy hậu huấn luyện có thể tạo bước nhảy lớn về Agent mà không cần thay đổi kiến trúc hoặc kích thước mô hình. Điểm Terminal Bench 2.1 đạt 82.7, cùng NL2Repo, DeepSWE, Toolathlon và DSBench, cho thấy DeepSeek đang ưu tiên khả năng hoàn thành công việc nhiều bước trong môi trường thật.

Native Responses API và hỗ trợ Codex giúp V4-Flash tiếp cận trực tiếp nhóm developer đang xây coding agent. Mức giá 0,02 CNY cho input cache hit, 1 CNY cho input cache miss và 2 CNY cho output trên mỗi triệu token tạo lợi thế đáng kể cho thử nghiệm quy mô lớn. Đổi lại, người dùng phải hiểu rõ API stateless, phạm vi tool còn hạn chế, quy tắc thinking/tool loop và tính chất public beta.

Với nhóm đang dùng deepseek-chat hoặc deepseek-reasoner, đây là thời điểm hợp lý để migration có kiểm soát. Với hệ thống production, hãy bắt đầu từ bộ task thật, đo tỷ lệ hoàn thành, độ trễ, chi phí và mức an toàn trước khi mở rộng. NextGZ sẽ tiếp tục cập nhật khi DeepSeek-V4-Pro chính thức được phát hành và khi DeepSeek công bố DeepSeek Harness để cộng đồng có thể kiểm chứng sâu hơn.