北京
出品 | 網易科技
作者 | 小小
編輯 | 王鳳枝
DeepSeek V4 Pro正式版終于來了？
8月12日，DeepSeek官方API定價頁悄悄把V4 Pro的模型版本更新為DeepSeek-V4-Pro-0813。新版本繼續沿用原來的模型ID和調用方式，已經接入DeepSeek API以及相關開發工具。
比起預覽版，這次更新的重點并不只是"模型變強了"。
DeepSeek正在把V4 Pro的能力重點推向智能體、編程、工具調用和長流程任務。模型不僅要回答問題，還要進入代碼倉庫、調用工具、執行任務、修改代碼，再根據結果繼續往下走。
從DeepSeek自報數據和開發者測試來看，DeepSeek V4 Pro 0813在編碼、智能體任務和工具使用方面的表現有明顯提升，一些測試已經接近甚至超過部分海外前沿模型。
與此同時，它依然延續了DeepSeek最具辨識度的低成本路線。在部分智能體任務中，DeepSeek V4 Pro 0813與Claude、Fable等頂級模型的性能差距已縮小到約5%，但Claude、Fable的價格最高卻是DeepSeek V4 Pro的45倍。
這背后對應著行業里的一個變化：模型之間比的，已經不只是每百萬Token多少錢，而是完成一個復雜任務到底要花多少錢。
不過，真實體驗也說明，這條路并沒那么容易。
一些開發者發現，在長時間連續執行時，DeepSeek V4 Pro 0813仍會出現提前停止、反復思考以及部分任務完成質量不穩定的問題。
所以V4 Pro這次真正的看點，不在分數，而在它能不能把DeepSeek一貫的價格優勢，延伸到智能體和長任務這些更吃穩定性的場景里。
01 0813版上線，最大變化是智能體能力
V4 Pro此前已經存在，但一直是預覽階段。8月12日上線的0813版本，意味著這款旗艦模型進入GA階段。
DeepSeek官方文檔確認，模型ID仍是deepseek-v4-pro，調用方式沒變。OpenRouter也將DeepSeek V4 Pro 0813標記為正式發布版本，同一天上線。OpenCode Go隨后宣布支持這一模型。
從產品能力看，DeepSeek V4 Pro 0813支持工具調用和結構化輸出，同時提供OpenAI ChatCompletions、Anthropic Messages以及DeepSeek自己的Responses API。模型支持不同的推理強度，包括非思考、高推理強度和最大強度。
它還擁有100萬Token上下文窗口和384K Token最大輸出。對于大型代碼庫、長文檔以及需要多輪執行的智能體任務，這意味著一次調用能塞進更多上下文，也能保留更長的執行過程。
DeepSeek V4 Pro 0813的底層架構也保持了較大規模。模型卡顯示，它是一個混合專家模型，總參數約1.6萬億，每個Token激活約490億參數。DeepSeek稱，通過新的注意力機制，可以把百萬Token場景下的單Token推理計算量降低到V3.2的27%，KV緩存則降低到10%。
不過，這些架構和模型卡數據主要來自DeepSeek自己披露，0813版最亮眼的一批智能體基準結果，截至資料發布時還沒有經過獨立評測機構完整復現。
在DeepSeek公布的數據里，DeepSeek V4 Pro 0813在Terminal-Bench 2.1上拿到87.9分，預覽版為69.8分；DeepSWE從12.8分提高到62.7分，漲了約5倍；CyberGym從68.5分提高到83.3分；AutomationBench從42.1分提高到68.5分。DSBench-FullStack從35.6分提高到61.4分，DSBench-Hard從18.9分提高到50.6分。
放到其他前沿模型旁邊看，差距已經比較小。但這不意味著DeepSeek V4 Pro已經全面超過前沿模型。
在無工具調用的Humanity's Last Exam上，DeepSeek報告的成績為42.7分，跟Claude Opus 5比仍有明顯差距。此外，DeepSeek V4 Pro 0813是純文本模型，不支持視覺輸入。
此前模型卡給出的DeepSeek V4-Pro-Max測試結果也顯示，該模型在Terminal Bench 2.0、Humanity's Last Exam等項目上仍落后部分前沿系統，但在LiveCodeBench等編碼項目上表現突出。
所以，比較穩妥的說法是，DeepSeek V4 Pro 0813在智能體和編程相關任務上的差距已經明顯縮小，但離"所有能力全面領先"還有距離。
X用戶@Xudong Han整理智能體測試后認為，DeepSeek V4 Pro 0813相較DeepSeek V4 Flash 0731基本是全面提升，尤其是TerminalBench 2.1、DeepSWE和AutomationBench等偏智能體和編程的項目。
他同時指出，Humanity's Last Exam、Toolathlon和DSBench-Hard等任務上，DeepSeek V4 Pro 0813跟最強的一檔模型仍有差距。
02價格幾乎沒動，這才是它最現實的優勢
性能提升之外，DeepSeek V4 Pro 0813還有一個很直接的特點：價格沒跟著性能一起漲。
目前API價格是每百萬輸入Token 3元錢，每百萬輸出Token 6元錢，緩存讀取價格為每百萬Token 0.025元。
相比之下，Artificial Analysis給出的Claude Opus 5價格為每百萬輸入5美元、輸出25美元。GPT-5.6 Sol則是輸入5美元、輸出30美元。按標價算，DeepSeek V4 Pro 0813的成本明顯低于這些模型。
OpenRouter的數據也提供了一個實際運行中的參考。該平臺顯示，DeepSeek V4 Pro 0813的提供商標價為輸入0.435美元、輸出0.87美元，P50延遲約1.52秒，吞吐量約52 Token/s，工具調用錯誤率平均1.60%，緩存命中率平均91.86%。
當然，OpenRouter的實際平均價格會受到緩存和折扣影響，所以不能簡單理解成所有用戶最終都會按這個價格付。
開發者@AdityaShipsHQ專門比較了DeepSeek V4 Pro 0813和DeepSeek V4 Flash 0731的成本和能力。他注意到，Pro的API價格大約是Flash的3倍，但在智能體、編程和長流程任務上表現更強。
他的判斷是，主要做日常高頻任務，Flash仍然有比較合理的性價比；緩存輸入的價格差距較小，所以長時間運行的Agent任務，Pro的成本溢價會相對小一些。
這也解釋了DeepSeek為什么同時保留Flash和Pro兩條產品線。
Flash是2840億參數的MoE模型，激活參數約130億，價格只有每百萬輸入0.14美元、輸出0.28美元。V4 Pro則承擔更重的推理、長上下文編碼和智能體任務。
從并發限制也能看出這種區別。資料顯示，Flash支持2500個并發請求，Pro則限制在500個。Pro更多用算力處理復雜任務，Flash則適合高頻、高吞吐量的工作。
所以，如果一個開發者只是大量調用模型完成簡單任務，Flash可能已經夠用。要長時間讓模型處理代碼、調用工具、進行多輪修改時，Pro才更有價值。
開發者@gmi_cloud對Pro 0813、Pro Preview和Flash 0731做了100個深度研究問題的測試。數據顯示，Pro 0813在法律、學術和醫學三個領域分別達到100%、83%和67%的正確率；Flash在學術和法律方面分別為75%和67%。
@gmi_cloud據此建議，研究和文檔密集型任務可以考慮Flash，醫療、金融等高風險領域則更適合用Pro 0813，并增加人工驗證。
03真正上手后，表現沒榜單那么整齊
基準測試很好看，但DeepSeek V4 Pro 0813的實際體驗沒那么簡單。
小紅書博主"清歌"做了實際測試。她用同一個"Pelican Cycling SVG Exquisite, Details Ultra"提示詞測試自行車騎行鵜鶘圖像相關任務，DeepSeek V4 Pro 0813思考了237秒、執行25個步驟，預覽版則用了105秒、15個步驟。
她的主觀感受是，0813版雖然思考時間和步驟更多，但最終效果反而沒有明顯優于舊版。
她隨后又比較了正式版Flash和Pro制作3D中國地圖的表現，發現兩個模型都有比較明顯的"反思"過程，會不斷表示準備開始執行，然后進入下一輪思考。Pro的思維鏈次數相對少一些，同時在她的測試中，Pro體現出的世界知識更豐富，最終生成質量也更好，而Flash在該任務中直接生成失敗。
這個測試有一個點值得注意：模型"想得更久"，不一定意味著最終結果一定更好。
小紅書博主"工具蛙Frog"看到測試表后認為，DeepSeek V4 Pro 0813這次的重點很明顯放在智能體能力上。他特別關注Terminal Bench 2.1、DeepSWE、AutomationBench等指標，同時認為NL2Repo、Toolathlon、DSBench等項目上，Claude和Fable依然有優勢。
他的關注點也比較實際：真正用編程智能體時，開發者更在意模型能不能進入代碼倉庫，能不能連續跑幾十步，能不能調用工具，改完代碼之后能不能把測試跑通，最后能不能把任務完整做完。
這也是V4 Pro這次升級最值得觀察的地方。
開發者@CommandCodeAI對DeepSeek V4 Pro 0813、Kimi K3和Opus 5做了FlappyBench測試，用的是相同的"/design"命令，并從游戲玩法、UX/UI和成本幾個方面評價。
測試中，DeepSeek V4 Pro 0813得到8分，單次成本約0.0005美元；Kimi K3為9.5分、0.0740美元；Opus 5為9分、0.2539美元。按這組結果，DeepSeek V4 Pro 0813的成本遠低于另外兩個模型，但最終輸出質量仍然略遜一籌。
@CommandCodeAI隨后又測了V4 Pro 0813、Kimi K3和GLM 5.2。V4 Pro同樣得到8分，Kimi K3為9.5分，GLM 5.2為9分；對應成本分別為0.0005美元、0.0740美元和0.0480美元。按這組測試，DeepSeek V4 Pro 0813的成本分別約低148倍和96倍，但質量評分并沒有達到同樣的領先幅度。
@CommandCodeAI因此認為，DeepSeek V4 Pro 0813最突出的地方是成本，生成一個能跑的一次性游戲所需要的費用非常低。但從最終輸出質量看，Kimi K3仍然排名更高，GLM 5.2也略高于DeepSeek。
這類測試不能代表模型的整體能力，但它提供了排行榜之外的另一個觀察角度：在同一個實際任務里，最終交付質量和完成成本并不一定同步變化。
DeepSeek真正夸張的地方，不是"每次都做得最好"，而是"做一次太便宜了"。對于允許反復嘗試和自動重試的Agent工作流，這兩者的經濟意義完全不同。
如果任務需要反復嘗試幾十次，模型每次調用只花很少的錢，成本優勢就會被放大；如果任務更看重一次生成的完成度，質量差距仍然要考慮。
長程任務里，還出現了一個現象：模型會不會"提前交卷"？
X平臺用戶@Text1G做了50輪測試，在reasoning_effort設置為max的情況下，模型跑到42輪就停了，沒把全部測試機會用完。他因此提醒，不能只看DeepSeek V4 Pro 0813公布的benchmark，長周期任務能不能完整跑完同樣重要。
小紅書博主karminski也做了類似觀察。他測試50輪長程智能體編程任務，3次測試里有2次在42到43輪左右停下，同樣沒有用完全部機會。他明確表示，這只是自己的單個案例，目前還不能據此推斷其他任務的表現。
至于原因，目前資料沒有給出確定結論。karminski提出的可能性包括強化學習階段的獎勵機制，以及長上下文中的注意力衰減，但這仍屬于測試者的猜測，不能當成已經確認的模型缺陷。
這一點尤其值得后續觀察，因為DeepSeek自己公布的測試數據恰恰顯示，DeepSeek V4 Pro 0813最大的提升集中在長周期智能體任務。
如果模型在標準測試中能連續完成任務，但在真實環境里偶爾提前停止，那開發者實際用時仍然要增加外部的重試、檢查和任務恢復機制。
真正的競爭，可能也在模型外面的Harness。
Harness可以簡單理解為模型外面的"駕駛系統"，負責任務規劃、工具調用、記憶、驗證、重試和權限控制。對智能體來說，同一個模型放在不同Harness里，最終表現可能完全不同。
這意味著V4 Pro真正的使用效果，可能還取決于模型本身之外的工具鏈。
04 Token很便宜，但Agent真正比的是"完成一個任務多少錢"
目前DeepSeek V4 Pro 0813仍按0.435美元輸入、0.87美元輸出的價格提供服務，但這個價格本身有兩個變量。
一個變量是，DeepSeek的定價頁面已經出現漲價提示。該公司計劃在不久的將來大幅提高整體API價格，具體方案將通過正式通知公布。
所以，現在看到的低價未必是長期價格。
另一個更重要的變量是，對Agent來說，真實成本從來不只是Token單價。
如果一個模型單次調用只要很少的錢，卻需要開發者不斷檢查、反復重試，甚至在關鍵節點重新接管，那表面上便宜的模型，最終并不一定意味著整體使用成本更低。
反過來，如果模型能穩定完成復雜任務，那即便價格有所上漲，開發者也可能愿意為這種效率買單。
對Agent應用來說，更值得比較的指標，是"完成一個任務的總成本"：模型單價、Token消耗、調用輪數、失敗率、重試次數、Harness效率以及人工接管成本，都會計入其中。
這也讓DeepSeek V4 Pro 0813的商業意義變得更直接。在當前價格下，它給開發者提供了一個成本很低的前沿級智能體編程選擇。但如果未來價格明顯上漲，或者真實任務中的失敗和重試次數較多，開發者就要重新算這筆賬。
所以，V4 Pro接下來真正要證明的，已經不只是"模型有多強"，而是它能不能成為一個值得長期放進真實工作流里的工具。
這也是為什么現在去判斷V4 Pro是否"全面領先"還太早。
Benchmark能告訴我們模型在哪些能力上取得了進步，開發者測試能告訴我們模型放進真實環境后會發生什么。
兩者結合，才能看見一個更完整的V4 Pro。
而從目前這些測試來看，它的優勢和問題其實已經逐漸浮現：能力正在逼近前沿，價格依然非常低；但長流程執行、穩定性以及模型之外的Agent系統，還需要繼續打磨。
本文來源：網易智能
責任編輯：
王鳳枝_NT2541
