读取与生成拆成两段

CED架构把40层分成20层编码器和20层解码器。编码器处理输入，解码器生成新token；全局注意力的KV来自编码器末层状态，供解码阶段使用。两段采用不同激活规模，使读取长输入时不必付出与逐token生成相同的计算量。552B是主干规模，另有Engram等参数，不能将它当作完整存储参数总量。

缓存缩减来自不同层次的处理

全局KV采用FP4，官方给出每token约890字节的主缓存，占用HBM降至上一代约四分之一。滑动窗口注意力则在恢复会话时重放最后窗口，降低需要持久化的状态；官方称KV所需SSD存储降至八分之一。稀疏注意力索引还跨层复用。这些比例对应KV状态，不意味着模型权重、整机内存或端到端费用也按同样比例下降。

评测要连同推理投入一起读

模型卡在最高推理投入下报告Terminal-Bench 2.1为90.6、DeepSWE 1.1为74.2、AutomationBench为54.8；API支持1至100的reasoning effort。它们分别反映终端、代码和自动化任务，并依赖各自评测设置。更大RL数据与环境规模是作者给出的能力改进背景，不能据这些总分单独归因于缓存架构。

旧接口名称也可能指向新版

旧deepseek-v4-flash与视觉实验接口已临时路由到新版。V4 Pro切换计划于9月14日04:00 UTC生效，届时按V4.1 Flash费率运行，直至V4.1 Pro推出；截至本期该切换尚未执行。复现实验应记录实际模型版本和努力档位，而不只记录请求里的旧名称。

努力档位进入奖励函数

每条轨迹按成功减成本惩罚评分，不同努力档位使用不同惩罚系数。系数参考原模型成本—成功率曲线的斜率，使低档位更重视节约，高档位允许更多计算。作者还以轨迹长度近似梯度尺度来构造加权基线，降低策略梯度方差。

少走步骤是另一项直接变化

FrontierCode的100任务、每模型三次运行中，medium平均53步，上一代为127步；首次修改中位步数从48到18。更早开始编辑不自动保证改得正确，因此仍需连同任务分数读。FrontierCode 1.1 Main为50.0，Kimi K3为44.2；Fable 5.1为50.9，作者比较前者成本低64%。

训练与服务共同影响成本

在线DSpark draft随策略更新，低精度量化感知训练保持训练—推理契约，同时重整环境、提高任务难度并修补验证器假阳性与假阴性。各外部模型按其主要harness或公开结果比较，且取努力档位中的最佳成绩，所以跨模型榜单同时包含模型和执行系统差异。

快速尝试与精细修改分开

Flare偏向快速生成，Sunburst用于更精细、允许更长等待的编辑；模板还可保留并共享提示。它们围绕反复修改的工作流组织能力，不能把“最高50%”视为所有模式和请求的固定降幅。

本周开放的是完整创作入口

新模型与相关交互面向ChatGPT各档位，并进入Work和Codex的桌面、移动及网页场景。对界面生成任务，值得关注的是局部改动能否保留原有布局关系，以及连续修改后是否仍遵守最初约束；发布说明提供新入口，完整GUI任务表现仍需具体测量。

专家能力经过在策略蒸馏汇合

训练先经过约400B token监督阶段，再建立16个RL专家，其中5个面向Agent，最后通过在策略蒸馏融合。发布同时给出UltraAgent约50万SFT与8万RL数据。完整词表反向KL相关优势帮助学生学习专家分布，数据与模型共同构成这次发布的可复用内容。

成绩不呈现单一方向的领先

模型卡中SWE-bench Verified为46.4，Qwen3.5-4B参照33.6；BFCL分别66.6与56.8。Terminal-Bench 2.1却为8.6与25.8，说明工具选择、仓库修复和终端长任务不能相互替代。部分外部数字另带评测来源标记，部署选型应保留具体任务与harness条件。

小参数不等于小状态开销

长上下文为端侧或低成本Agent提供空间，但运行内存还包括KV与工具环境。模型卡建议设置min_p=0以避免部分采样设置下的循环；量化格式降低部署门槛，是否满足长任务速度与稳定性仍取决于设备、上下文和推理引擎。

后台工作时，对话仍可继续

开发者可以设置音调、语速与风格，使用原生转录、回复文本、关键词偏置和话轮检测，也可接电话。长任务由后台执行，语音层处理插话和静默，不必逐步朗读每个工具操作。

计费与成绩都要算上后端

前端语音层价格为每分钟0.05美元，后台模型与harness另行选择。官方Full Duplex Bench相对GPT-Realtime-2.1提高30个百分点，Tau3领先结果配的是Astra medium；这不是语音前端单独完成全部任务的成绩。