实测正式版 DeepSeek V4 Pro，补齐 Agent 能力｜AI 上新

8 月 13 日凌晨，DeepSeek 官网在未发布预告及更新日志的情况下，悄然将 API 文档中的模型指纹更新为 fp_v4pro_20260812，标志着 DeepSeek V4 Pro 正式版正式上线。

自 4 月 24 日预览版发布至今历时 111 天。在此期间，竞品 Kimi K3 高调发布，V4 Flash 正式版亦先行上线，加之 API 涨价预期悬而未决，市场对 Pro 版正式版的问世关注已久。

架构未变，Agent 能力显著跃升

V4 Pro 正式版保持了与预览版一致的模型架构：1.6T 总参数、49B 激活参数的 MoE 结构，支持 1M 上下文窗口及 384K 最大输出。核心升级在于后训练阶段，其变化幅度堪比模型重构。

评测数据显示，该版本在 Agent 相关基准测试中表现惊人：DeepSWE（软件工程基准）得分从 12.8 飙升至 62.7；Cybergym 从 52.7 提升至 83.3；Terminal Bench 达到 87.9；DSBench-Hard 更是翻倍至 67.2。这些测试主要涵盖长链路代码修改、环境操作及工具调用，正是此前预览版的薄弱环节。

DeepSeek V4 Pro 正式版 Agent 能力大幅增强｜图片来源：DeepSeek

结合 V4 Flash 正式版的更新策略推断，此次升级核心在于面向代码 Agent 场景的大规模后训练，成功弥补了预览版在复杂任务执行上的不足。

定价方面，目前仍维持输入 3 元/百万 token、输出 6 元/百万 token 的标准，与预览版持平。尽管官方已预告近期将上调 API 价格，但新版暂未调整，开发者可把握当前窗口期。

实测表现：天花板与特性分析

为验证模型在“一次性生成完整可运行代码”方面的实际水平，进行了三项不同维度的实测。

复杂逻辑与实时渲染任务

在"Boids 群体涌现模拟”任务中，要求实现包含物理模拟、实时渲染及 UI 设计的综合功能。V4 Pro 耗时约 170 秒，生成 761 行完整 HTML 代码。运行结果显示，200 个粒子的群体行为流畅，交互控制正常，代码一次通过。

模糊需求的产品化补全

针对“好看的番茄钟工作面板”这一模糊指令，模型不仅实现了基础计时功能，还自主添加了任务标签、统计图表、快捷键支持及白噪音合成等特性，共输出 1223 行代码。这表明其对模糊需求的理解与产品化补全能力较预览版有显著提升。

Thinking 模式的资源占用特征

在“寻路算法可视化”这一高代码量任务中，默认开启 Thinking 模式导致模型消耗了大量 Token 用于推理（约占输出的 80%），致使实际代码生成被截断。关闭该模式后，模型在 54 秒内即可输出完整且功能健全的 715 行代码。

实测表明，Thinking 模式在复杂代码生成场景中可能存在资源挤占问题。对于需要大段代码输出的任务，建议开发者主动关闭该模式或大幅提高 max_tokens 阈值。

市场定位与生态布局

从绝对性能来看，V4 Pro 正式版尚未在所有维度实现全面碾压。在 HLE 无工具测试及 NL2Repo 等纯知识推理和复杂软件工程任务上，其得分略低于 Claude Opus 4.8 及部分竞品。

然而，DeepSeek 的核心竞争优势依然稳固：在 Agent 能力大幅提升至可与头部闭源模型抗衡的同时，其定价仅为竞品的十分之一至三分之一。这种“高性价比 + 强 Agent 能力”的组合，极大提升了其市场竞争力。

更值得关注的信号来自 V4 Flash 更新日志中提及的"DeepSeek Harness 极简模式”。结合相关团队注册信息推测，DeepSeek 正计划推出集成模型与 Agent 运行框架的一体化解决方案。这意味着行业竞争焦点将从单一的“模型智力”转向“系统级执行力”，即构建能真正替代人工完成复杂任务的智能体系统。

V4 Pro 正式版的发布标志着其“大脑”环节已基本完善，市场后续将重点关注其 Agent 框架系统的落地进程。