DeepSeek 旗舰模型 DeepSeek-V4-Pro-0813 正式发布，性能显著提升并开源基准测试框架，同时上调 API 价格。
最新消息：DeepSeek 正式推出 DeepSeek-V4-Pro-0813，这是其第四代大模型中较大版本的正式版。公司同步发布了开源的 Agent Harness 开发者预览版，并调整了全系模型的 API 定价策略。
- 输入/输出：支持最多 100 万 tokens 文本输入，输出上限为 384,000 tokens（速度约 78.1 tokens/秒）。
- 架构规格：采用混合专家（MoE）Transformer 架构，总参数量 1.6 万亿，每 token 激活 490 亿参数；可选推测解码模块将检查点参数量提升至 1.7 万亿。
- 核心特性：支持可调推理强度（无/低/高/最高，默认为高）、工具调用及上下文缓存功能。
- 性能排名：在 Artificial Analysis Intelligence Index 中得分为 53，位列开源权重模型第三；在 Arena WebDev 排行榜中居第 10 位（共 115 个模型）。
- 可用性与时价：可通过 DeepSeek 应用及网站以 Expert Mode 使用。API 高峰时段（UTC 01:00–04:00 及 06:00–10:00）价格为：输入$1.32、缓存$0.044、输出$3.96（每百万 tokens），非高峰时段价格减半。
- 许可协议：基于 MIT 许可证，免费开放商业及非商业用途。
- 未披露信息：具体训练数据构成、新方法细节及知识截止时间暂未公布。
工作原理与技术架构
架构延续与增强：DeepSeek-V4-Pro-0813 保留了 4 月预览版的参数规模与核心架构，包括推测解码模块 DSpark。官方表示此次更新重点增强了模型的 Agentic（智能体）能力，但未详述具体改动细节。
- 训练流程：模型先基于超 32 万亿 tokens 进行预训练，随后通过监督学习与强化学习对 10 个独立领域的模型副本进行微调。最终利用 On-policy Distillation 技术，让学生模型模仿这 10 个专家模型的输出，合并为单一模型。
- 混合注意力机制：在两类注意力层间交替运作。针对 100 万 tokens 长文本输入，其计算量仅为 DeepSeek-V3.2 的 27%，KV 缓存内存占用仅为后者的 10%。
- 推理持续性：模型返回答案时附带推理过程。若请求涉及工具调用，后续 API 请求必须包含此前的推理轨迹，以确保多轮调用间的逻辑连贯性。
- DeepSeek Harness 架构：将模型、工具、技能、会话、沙箱等视为可插拔组件。系统完整记录系统提示、推理链、工具调用结果等全链路信息，支持会话恢复、分叉、搜索与回放。其最小配置仅提供 Shell 与文件编辑器，专为编码智能体基准测试设计。该框架基于 Cordis 插件内核构建。
- 兼容性：API 兼容 OpenAI Responses 格式，OpenAI Codex 编码智能体经简单脚本配置即可迁移至 DeepSeek 模型。
性能表现评测
综合评估：独立评测显示，DeepSeek-V4-Pro-0813 较 4 月预览版提升显著，但相对于自家较小的 Flash 模型优势微弱。其在开源权重模型综合智能指数中排名第三，距顶尖闭源模型仍有约 10 分差距。编码能力是其最显著的改进项。尽管单任务成本仍低于多数闭源竞品，但在 OpenAI GPT-5.6 Luna 降价后，后者在成本效益上已具备更强竞争力。
- Intelligence Index 得分：在最高推理模式下，该模型得分为 53（单任务成本$0.25），较预览版的 45 分（$0.05）提升 8 分，略高于 DeepSeek-V4-Flash-0731 的 52 分（$0.11）。虽优于 GPT-5.6 Luna（52 分，$0.05/任务），但后者单位成本更低。
- 编码智能体任务突破：在官方测试（最高推理 + 最小 Harness 配置）中，Terminal-Bench 2.1 成功率从 72.1% 跃升至 87.9%；DeepSWE（软件工程难题）从 12.8% 提升至 62.7%；CyberGym（漏洞发现）从 52.7% 提升至 83.3%，微幅领先 Claude Fable 5（83.1%）。
- 第三方评测差异：外部评测结果略低。Vals AI 使用内部 Harness 测得分为 54.68；Artificial Analysis 使用开源 Terminus 2 Harness 测得 Terminal-Bench 2.1 成功率为 78.7%。
新闻背景与行业意义
产品动态：DeepSeek 近期已发布具备视觉能力的实验版 DeepSeekV4-Flash，但尚未公布支持视觉语言的 Pro 版本计划。
开源价值：DeepSeek 罕见地公开了其基准测试 Harness。鉴于智能体性能是模型能力与脚手架协同的结果，开源 Harness 使开发者不仅能查看评分，更能复现测试环境。该框架采用 MIT 许可且模型无关，有助于推动行业透明度。
观察与展望
智能体 Harness 赛道竞争日益激烈。尽管此次为开源发布，但在安全专家完成全面评估、以及更多第三方在不同模型上的基准测试结果出炉前，部分用户对其直接投入生产环境可能持谨慎态度。业界期待尽快出现扎实的第三方测试报告及开发者的创新实验。