DeepSeek V4 Pro正式版亮相:能打、用得起 2026年8月13日凌晨DeepSeek在没有任何预告的情况下将旗舰模型V4 Pro从预览阶段正式转正。模型版本号更新为DeepSeek-V4-Pro-0813调用方式保持不变开发者只需继续使用deepseek-v4-pro即可调用最新版本。一、核心规格1M上下文 384K输出DeepSeek-V4-Pro-0813的核心参数相当能打规格项参数上下文长度100万 (1M) Token最大输出长度384K Token思考模式默认开启支持非思考模式切换JSON Output支持Tool Calls支持Responses API支持Anthropic API支持对于长代码库处理、大规模文档分析以及需要连续执行大量步骤的Agent任务而言1M上下文窗口和384K最大输出意味着单次调用能够容纳和生成的内容规模相当可观大幅减少了多轮拆分与拼接的开销。在架构层面DeepSeek-V4-Pro是一个混合专家MoE模型总参数约1.6万亿每个Token激活约490亿参数。V4系列采用了CSA压缩稀疏注意力 HCA重度压缩注意力相结合的混合注意力机制将Prefill阶段的注意力计算复杂度从O(N²)降低为近似线性。得益于此在1M上下文场景下V4-Pro的单Token推理计算量仅为V3.2的27%KV缓存降低到10%。二、Agent能力从预览到正式版的飞跃Agent智能体能力是这次升级最大的看点。与此前的V4-Pro-Preview版本相比V4-Pro-0813在多个Agent基准测试中实现了质的飞跃基准测试V4-Pro-PreviewV4-Pro-0813提升幅度DeepSWE编程智能体12.862.7约5倍Cybergym安全智能体52.783.358%AutomationBench12.831.8148%Terminal Bench 2.172.187.922%DSBench-FullStack41.871.170%以DeepSWEAI编程智能体基准为例得分从预览版的12.8飙升至62.7甚至超越了Claude Opus 4.858.0分。在Cybergym和AutomationBench上V4-Pro-0813的表现甚至超越了目前公认最强大的Claude Fable 5。在Terminal Bench 2.1终端操作测试中V4-Pro-0813拿下87.9分逼近Fable 5的88.0分。三、与头部竞品正面交锋将V4-Pro-0813放到全球头部模型中进行对比结论更加清晰基准测试V4-Pro-0813V4-Flash-0731Opus 4.8Fable 5GLM-5.2Kimi K3Terminal Bench 2.187.982.785.088.081.088.3Cybergym83.376.778.383.1-80.0DeepSWE62.754.458.070.046.2-Toolathlon-Verified74.170.376.277.9--HLE (wo tools)42.7 / 60.037.8 / 51.549.8 / 57.953.3 / 63.040.5 / 54.743.5 / 56.0V4-Pro-0813在Cybergym上反超了Fable 5在DeepSWE上超过了Opus 4.8在Terminal Bench上与头部模型处于同一梯队。注“-”表示暂无公开的权威数据。四、定价Pro的价格Flash的三倍定价方面DeepSeek-V4-Pro-0813延续了DeepSeek一贯的高性价比路线计费项V4-Flash-0731V4-Pro-0813百万Token输入缓存命中0.02元0.025元百万Token输入缓存未命中1元3元百万Token输出2元6元并发限制2500500在缓存未命中输入和输出两项主要计费项目上Pro版本的价格均为Flash版本的3倍。折合美元V4-Pro的输入定价约为$0.44/百万Token输出约为$0.87/百万Token。作为对比Claude Fable 5的输出定价高达$50/百万Token——DeepSeek V4 Pro在输出价格上仅为Fable 5的1/57。在部分智能体任务中DeepSeek V4 Pro 0813与Claude Fable 5等顶级模型的性能差距已缩小到约5%但后者的价格却是前者的数十倍甚至上百倍。两个版本在并发限制上也有所区分Flash并发限制为2500Pro为500——Flash更适合高频、大规模的调用场景而Pro则将资源集中到规格更高、更复杂的任务上。需要关注的是DeepSeek 已经宣布对 API 价格进行更新调整作为前一段时间预告要大幅涨价的回应。新价格体系采用峰谷定价空闲时段价格为高峰时段价格的一半。高峰时段为北京时间 9:00 - 12:00、14:00 - 18:00其余为空闲时段。将于北京时间 2026 年 8 月 17 日 00:00 开始生效具体如下五、行业意义Agent经济的“价格锚点”DeepSeek V4 Pro正式版的上线标志着大模型竞争的主战场正在从通用能力转向Agent能力。模型不仅要回答问题还要进入代码仓库、调用工具、执行任务、修改代码再根据结果继续往下走。这背后对应着行业的一个深层变化模型之间比的已经不只是每百万Token多少钱而是完成一个复杂任务到底要花多少钱。从这个维度看DeepSeek V4 Pro 0813以远低于对手的成本提供了接近顶尖水平的Agent能力正在为整个行业树立一个新的“价格锚点”。瑕不掩瑜。DeepSeek V4 Pro 0813的正式亮相证明了开源模型在Agent能力上已经能够与全球最顶尖的闭源模型同台竞技而价格优势则让这场竞赛变得更加有趣。对于开发者而言一个性能逼近Fable 5、价格仅为对手零头的模型已经足够值得认真对待。老徐2026/8/13

相关新闻

最新新闻

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现 【免费下载链接】serenity The Serenity Operating System 🐞 项目地址: https://gitcode.com/GitHub_Trending/se/serenity 导读 本文以 getopt(3) 手册 为核心&a…

2026/10/3 16:42:15
轻量服务器还是ECS?大促云服务器选购与避坑实战指南

轻量服务器还是ECS?大促云服务器选购与避坑实战指南

每年大促节点,群里永远有人在问同一个问题:“38元的轻量服务器到底怎么抢?为什么我每次点进去都是已售罄?68元直购和99元的ECS我到底选哪个?”作为一个常年帮团队和自己采购云服务器的老用户,我太清楚这种纠…

2026/10/3 16:42:30
为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南

为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南

为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南 【免费下载链接】agents Multi-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity 项目地址:…

2026/10/3 16:42:22
PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署

PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署

PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署 【免费下载链接】PaddleOCR Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between i…

2026/10/3 7:41:27
Spring源码解析:构造器注入的类型转换与候选匹配机制

Spring源码解析:构造器注入的类型转换与候选匹配机制

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/3 16:42:24
openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由

openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由

openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由 【免费下载链接】openai-agents-python A lightweight, powerful framework for multi-agent workflows 项目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-pyth…

2026/10/3 16:42:28

日新闻

周新闻

月新闻