⚡ 模型发布 · 深度实测
DeepSeek V4-Pro 正式版悄然上线：官方称工程能力提升 4.9 倍，实测 3D 浮岛 0 bug 交付
8月12日晚，DeepSeek V4-Pro 正式版（版本号 0813）出现在 API 文档里。没有发布会，没有官宣推文。官方给出的核心数字是：软件工程智能体得分 DeepSWE 从 12.8 涨到 62.7，约 4.9 倍。我们用社区最新一代复杂测试手法实测 7 项任务——结论：升级过硬，但有两处低级失误，暂时无法解释。
来源：综合公开信息•
2026-08-13•
全文约 4 分钟读完
#DeepSeek V4-Pro
#正式版
#AI Agent
#基准评测
4.9×
DeepSWE：12.8 → 62.7（官方口径）
0 bug
压轴 3D 浮岛网站首轮运行
3×
输出 token 定价涨幅（2元 → 6元）
⚡ 30 秒速览
- 悄悄转正：4 月发布的 Preview 在 8 月 12 日变成正式版，版本号 0813，无发布会，API 文档直接上线。
- 官方宣称：DeepSWE 从 12.8 提到 62.7，约 4.9 倍；Terminal Bench、Cybergym、NL2Repo 等九项基准全线大涨。
- 社区质疑：有对比认为 0813 仍略逊于 Luna MX，约一半基准落后 Kimi K3；官方未发布完整报告。
- 实测亮点：60 种风格 Bento 墙一次通过；3D 浮岛作品集 1.5 小时交付，首轮 0 bug；记账本三轮迭代全部自修。
- 低级失误：鹈鹕自行车 SVG 翻车、动画月亮绘制错误；同款失误也出现在 Kimi K3 上，暂无规律。
- 涨价预告：输出 token 从 2 元涨到 6 元，官方称“近期整体上调，预计涨幅较大”。
01发生了什么 正式版悄悄转正
8月12日晚，DeepSeek V4-Pro 正式版悄然出现在 API 文档里。没有发布会，也没有官宣推文。4月24日发布的 Preview 状态，在三个多月后正式“转正”，命名直白：用日期标注为 0813。
这次转正，参数上做了几件实打实的事。
旧叙事：更会答题
强调知识问答、代码生成等单点能力。
新叙事：更会把一件事干完
强调像工程师一样持续干活，交付可验证结果。
1M上下文长度
384K输出上限
双模式thinking / non-thinking
双协议OpenAI / Anthropic 兼容
注：双协议兼容意味着 Claude Code 这类 Agent 框架可以直接换 base_url 接入，这是后面实测能“接入真实 Agent 环境”的前提。
02为什么可信 官方数字与第三方质疑
官方给出的九项 Agent 与代码基准全线大涨。我们节选四项，按提升量排序：
DeepSWE软件工程 · 12.8 → 62.7
+49.9
Cybergym网络安全 · 52.7 → 83.3
+30.6
NL2Repo自然语言转仓库 · 38.5 → 61.5
+23.0
Terminal Bench 2.1终端操作 · 72.1 → 87.9
+15.8
注：条长按各基准提升量相对比例绘制，不代表不同基准难度相同。Preview 基线数值由官方口径推算，具体以官方发布为准。
但社区存在质疑声。有开发者对比后认为 0813 仍略逊于 Luna MX，也有人指出它约一半基准还落后 Kimi K3。官方至今没有发布完整的 benchmark 报告。
这就是我们做这次实测的原因——不转述官方数字，自己跑。
03它能做什么 七项实测，四亮一翻车
动手前必须交代背景：圈里的测试手法正在换代。Karpathy 入职 Anthropic 后发长推建议告别“鹈鹕骑自行车”这类旧题，转向《指环王》这种需要“读懂文学、搭出一个世界”的复杂任务。我们的 7 道题全部避开基础能力，按难度递进。
🏝️ 3D 浮岛作品集网站 首轮 0 bug
- 与 GPT-5.6、Kimi K3、V4-Flash-0731 完全相同的 Prompt：滚动驱动相机、四章节叙事、物件交互、Bloom 后处理、移动端降级。
- 用时 1.5 小时，最后半小时一直在自测项目能否启动，确认无误才交付。
- 转场、运镜、交互、移动端适配全部在线；唯一缺点是初始界面过曝。
✍️ 历史对比：GPT-5.6 功能完整度最高，但点击物件时背景虚化；Kimi K3 观感完成度此前最佳；V4-Flash 运镜偏弱。0813 补齐了全部短板。
🎴 60 种风格 Bento 卡片墙 一次通过
- 每张卡片必须用该风格最典型的视觉语言，不能只换配色。
- 60 种风格全部实现，不规则拼贴被严格执行，风格差异非常明显。
- 玻璃拟态与粗野主义这类“没有共同点”的风格都被抓准，说明设计语料积累是实打实的。
✍️ 没有敷衍的“换色卡”，vibe coding 项目不用再担心风格单调。
🧙 指环王霍比屯：111 岁生日宴会 零漂浮零穿模
- 只给小说开头段落，要求用 Three.js 搭建可运行的 3D 世界。
- 洞屋、宴会长桌、宾客、烟火要素齐全，没有漂浮、没有穿模。
- 运镜从俯瞰霍比屯推近到比尔博，之后单调左右晃动；单场景与 Opus 5 不相上下。
✍️ 注意：单场景、单段落样本有限，不代表整体能力相当；后续会补完整段落对比。
📒 记账本全栈应用：三轮迭代 全程自修
- 从零搭全栈应用，连续三轮迭代：记账核心功能、月度分类统计、预算提醒。
- 每轮都改多份文件、补测试、跑测试，跑不过就自己修，直到通过才进入下一轮。
- 全程未让人介入纠错；唯一小插曲是每新建一个文件都申请一次权限。
✍️ 这是官方 DeepSWE 叙事最直接的落地样本：能连续干完一件事，并交付可运行结果。
🐦 翻车记录：鹈鹕骑自行车 & 月亮 暂时无解
- 鹈鹕脚踩在踏板上，但踏板不在自行车上；车架结构不科学，天上的云是反向的。
- 把推理强度从 max 降到 high 重测，依旧失败。
- 动画叙事题中，老水手等船的调度和配色都很到位，月亮却画错了。
✍️ 强如 Kimi K3 也犯过类似错误。样本太少，无法归纳规律，只能先记录在案。
04为什么能做到 从“答题”到“把事干完”
这次最直观的质变，是前端审美。过去大半年，AI 生成的前端有个通病：蓝紫渐变、玻璃拟态、圆角卡片，一眼假。0813 的配色、音效与操作反馈，已经进入顶级模型行列。
真正的变化藏在官方叙事里。
不再强调“更会答题”，而是强调“更会把一件事干完”。配合 1M 上下文、双协议兼容和长输出，0813 被设计成能持续干活的“工程师”，而不是会聊天的“问答机”。
4月24日
V4 系列发布Pro 标为 Preview
8月12日
V4-Pro 正式版 0813悄然上线，同步涨价预告
同期
Grok 4.6 发布一闭源一开源，双双走高价值路线
注：时间线为事件先后顺序的简化呈现，具体日期以官方发布为准。
具体到价格：按每 1M token 计算，缓存未命中输入 3 元、输出 6 元；相比 V4-Flash，输出从 2 元涨到 6 元，输入未命中从 1 元涨到 3 元，都是三倍。官方预告“近期整体上调 API 服务定价，预计涨幅较大”。
以这次实测的表现，即便涨价，它依然极具性价比。但这也意味着：DeepSeek 正在告别价格战，AI 大模型集体转向高性能、高价值的路线。
免费午餐的窗口，正在关闭。
05编辑判断 面向行业
编辑核心判断
这次实测最值得记住的不是分数，而是方向：从“更会答题”到“更会把一件事干完”，模型竞争的度量衡变了。“月亮”和“鹈鹕”的失误提醒我们，再强的模型仍有盲区。
DeepSeek 的涨价预告不是孤例，Grok 4.6 同期推出，高性能+高价值的定价路线正在成为行业集体选择。当“把事干完”成为新的度量衡，价格战已经不是最优解——价值战才刚刚开始。
▶体验入口
DeepSeek V4-Pro 已上线 API 文档，版本号 0813。支持 OpenAI / Anthropic 双协议兼容，可替换 base_url 直接接入 Agent 框架。
DeepSeek 开放平台 → API 文档