8月13日，DeepSeek-V4-Pro正式版API上线，大幅增强Agent能力，在Cybergym、AutomationBench两项智能体基准中超越Claude Fable 5，DeepSWE编程智能体测试得分从预览版的12.8跃升至62.7，提升幅度达389%。
DeepSeek-V4-Pro 正式版在三个关键智能体基准中交出了截然不同的成绩单：
注：柱形为相对关系示意，非精确标尺。DeepSWE 数据为绝对值（12.8→62.7），Cybergym 与 AutomationBench 排名为"超越 Fable 5"，具体分数未公开。领先幅度以标注文字为准。
传统基准考的是"模型知不知道"，智能体基准考的是"模型能不能把事做完"。DeepSeek V4 Pro 跨越的这三道关卡，各有侧重：
答题式评测，考察知识储备与推理能力，与实际工程交付距离较远。
考察智能体在真实场景中自主规划、调用工具、交付可验证结果的能力。
注：三大基准分别覆盖安全、办公、编程三个核心 Agent 落地场景。DeepSWE 的得分跃升是本次发布中最具冲击力的单一数据点。
DeepSWE 的 12.8 → 62.7，意味着什么？它不是 incremental 改进，而是能力层级的跃迁——从"几乎无法完成复杂编程任务"到"可以自主处理长周期、高复杂度的真实软件工程问题"。这个跃升幅度，在同类基准中极为罕见。
DeepSeek-V4-Pro-0813 版本的核心更新围绕 Agent 开发体验展开，能力清单如下：
其中 JSON 结构化输出与 工具调用 是 Agent 开发者的核心诉求——前者让模型输出可编程解析，后者让模型能自主调用外部工具。配合 Responses API 和 Anthropic API 兼容，开发者可以更低成本迁移现有 Agent 工作流。
但是，能力增强的另一面，是开发者真实体验中暴露出的问题。
正式版发布后，社交平台上有开发者反馈了一个值得注意的问题：
网页端与 API 接口的思维链（CoT）输出存在明显差异。API 返回的推理过程话术读起来十分生硬、语序别扭，与网页端流畅自然的 CoT 表现形成对比。这意味着同一模型在不同部署环境下的推理一致性仍有改善空间，对于依赖 API 输出进行二次开发的团队而言，这是一个需要纳入考量的因素。
另一个不可忽视的信号是：DeepSeek 已预告近期整体上调 API 定价，预计涨幅较大。目前正式版价格尚未公布，结合此前"昇腾950超节点批量上市后会大幅下调 Pro 价格"的预期，定价策略的走向存在不确定性。
当基准跑分差距不断收窄，调用成本正在成为开发者选择模型的关键变量。
DeepSeek-V4-Pro 正式版的意义，不只是"又一个模型版本更新"。它揭示了一个正在发生的行业转折：
大模型比拼正在进入智能体决赛圈。Cybergym、AutomationBench、DeepSWE 这类基准，衡量的是模型在真实工作流中的交付能力，而非静态知识储备。DeepSeek 在三个基准上的表现——尤其是 DeepSWE 的 389% 跃升——说明它在 Agent 赛道的竞争力已经进入第一梯队。
但更关键的变量是 成本。预览版发布时官方曾提到"昇腾950超节点批量上市后会大幅下调 Pro 价格"，如今正式版发布却预告涨价。对于独立开发者和初创团队而言，Agent 项目落地的瓶颈已经从"模型能力"转向"调用成本"——各家模型在 Agent 基准上的跑分差距正在收窄，而每百万 token 的价格差异，可能成为开发者买单的决定性因素。
一个诚实的判断：
Agent 能力的军备竞赛已从"能不能做"进入"做得好不好"阶段，但真正决定开发者生态走向的，是成本与性能的交叉点——谁能在 2026 下半年找到更优的性价比平衡，谁就能赢得下一波 Agent 应用的落地红利。
DeepSeek-V4-Pro-0813 已正式上线，调用方式不变，通过官方 API 使用 deepseek-v4-pro 即可调用最新版本。支持 JSON 结构化输出、工具调用等增强能力，开发者可立即接入体验。
DeepSeek 官方平台 → 开始调用