DeepSeek V4 Pro

DeepSeek · 2026-08-13 · 类别未确认

DeepSeek V4 Pro

DeepSeek 发布 V4 Pro 正式版，同步上线 APP/网页端/API（API 模型名不变），官方定位为正式版增强了 Agent 能力、在生产环境中的性能表现提升尤为显著。本发布收录的 10 项评测全部为 Agent 向（编码智能体、网络安全、工具调用、数据科学与自动化智能体），官方以单张对比图给出与 GLM-5.2 / Kimi-K3 / Opus-4.8 / Fable 5 的对比，数值以人工读图确认前不计入公开计数。

输入模态: 文本
上下文: 官方资料未说明
参数: 官方资料未说明
价格（每百万 tokens）: 无此口径报价；不等于免费

本变体的评测证据

hlehle 图表尚无可读数值 模型 deepseek-v4-pro · 版本 wo/w tools 合并行, GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: HLE (wo/w tools) · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 1 行, 双值=无工具/带工具)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致：模型直读 + MiniMax OCR，2026-09-02），未经人工复核不得翻 verified。V4-Pro-0813 = 42.7/60.0（无工具/带工具）；DeepSeek-V4-Flash-0731 37.8/51.5；V4-Pro-Preview 37.7/48.2；V4-Flash-Preview 34.8/45.1；GLM-5.2 40.5/54.7；Kimi-K3 43.5/56.0；Opus-4.8 49.8/57.9；Fable 5 (w/ fallback) 53.3/63.0。表内 V4-Pro-Preview 值与既有 deepseek-v4.json（预览版）verified 行一致（37.7 / w-tools 48.2），互证读图可信。表注 Code Agent 协议（DeepSeek Harness 极简模式 / max / top_p 0.95 / temp 1.0）明示只适用 Code Agent 任务，本行非 Code Agent → protocol 全 null。

打开官方来源

terminalbench 图表尚无可读数值 模型 deepseek-v4-pro · 版本 2.1, GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: Terminal Bench 2.1 · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 2 行)

{
  "harness": "DeepSeek Harness 极简模式",
  "tools": null,
  "shots": null,
  "reasoning_effort": "max",
  "temperature": 1,
  "top_p": 0.95,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 87.9；Flash-0731 82.7；V4-Pro-Preview 72.1；V4-Flash-Preview 61.8；GLM-5.2 81.0；Kimi-K3 88.3；Opus-4.8 85.0；Fable 5 (w/ fallback) 88.0。Code Agent 任务 → 表注协议按行记入 protocol（harness=DeepSeek Harness 极简模式 / max 档位 / topp=0.95 / temperature=1.0；表注并声明其他框架下结果可能略有不同）。同表 Flash-0731 82.7 与 Opus-4.8 85.0 与已人工核验的 260821 Vision-Exp 表（deepseek-v4-flash-vision-exp.json）逐值一致，互证读图可信。

打开官方来源

nl2repo 图表尚无可读数值 模型 deepseek-v4-pro · 版本 GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: NL2Repo · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 3 行)

{
  "harness": "DeepSeek Harness 极简模式",
  "tools": null,
  "shots": null,
  "reasoning_effort": "max",
  "temperature": 1,
  "top_p": 0.95,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 61.5；Flash-0731 54.2；V4-Pro-Preview 38.5；V4-Flash-Preview 39.4；GLM-5.2 48.9；Kimi-K3 未报告；Opus-4.8 69.7；Fable 5 (w/ fallback) 未报告。Code Agent 任务 → 表注协议按行记入 protocol。

打开官方来源

cybergym 图表尚无可读数值 模型 deepseek-v4-pro · 版本 GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: Cybergym · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 4 行)

{
  "harness": "DeepSeek Harness 极简模式",
  "tools": null,
  "shots": null,
  "reasoning_effort": "max",
  "temperature": 1,
  "top_p": 0.95,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 83.3；Flash-0731 76.7；V4-Pro-Preview 52.7；V4-Flash-Preview 38.7；GLM-5.2 未报告；Kimi-K3 80.0；Opus-4.8 78.3；Fable 5 (w/ fallback) 83.1。CyberGym 为代码级安全任务（PoC 复现）→ 按 Code Agent 任务记入表注协议。

打开官方来源

deepswe 图表尚无可读数值 模型 deepseek-v4-pro · 版本 GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: DeepSWE · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 5 行)

{
  "harness": "DeepSeek Harness 极简模式",
  "tools": null,
  "shots": null,
  "reasoning_effort": "max",
  "temperature": 1,
  "top_p": 0.95,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 62.7；Flash-0731 54.4；V4-Pro-Preview 12.8；V4-Flash-Preview 7.3；GLM-5.2 46.2；Kimi-K3 67.5；Opus-4.8 58.0；Fable 5 (w/ fallback) 70.0。SWE 编码智能体任务 → 表注协议按行记入 protocol。注意：本表 Kimi-K3 列 67.5 与 GLM-5.2 页记录一致，但 Kimi 自家脚注曾自记 67.3（跨厂冲突已在 README 待裁定清单）；跨厂商 DeepSWE harness 不一（260821 页 DeepSeek 曾用自有 harness），比较须按协议区分。

打开官方来源

toolathlon 图表尚无可读数值 模型 deepseek-v4-pro · 版本 Verified, GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: Toolathlon-Verified · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 6 行)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 74.1；Flash-0731 70.3；V4-Pro-Preview 55.9；V4-Flash-Preview 49.7；GLM-5.2 59.9；Kimi-K3 76.5；Opus-4.8 76.2；Fable 5 (w/ fallback) 77.9。行为工具调用智能体评测而非表注定义的 Code Agent 任务，协议适用性未明示 → protocol 全 null。

打开官方来源

agents-last-exam 图表尚无可读数值 模型 deepseek-v4-pro · 版本 GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: Agents' Last Exam · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 7 行)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 25.7；Flash-0731 25.2；V4-Pro-Preview 16.5；V4-Flash-Preview 15.8；GLM-5.2 23.8；Kimi-K3 27.6；Opus-4.8 25.7；Fable 5 (w/ fallback) 未报告。通用智能体评测，非表注定义的 Code Agent 任务 → protocol 全 null。

打开官方来源

automationbench 图表尚无可读数值 模型 deepseek-v4-pro · 版本 Public, GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: AutomationBench (Public) · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 8 行)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 31.8；Flash-0731 25.1；V4-Pro-Preview 12.8；V4-Flash-Preview 10.8；GLM-5.2 12.9；Kimi-K3 30.8；Opus-4.8 27.2；Fable 5 (w/ fallback) 29.1。自动化智能体评测，非表注定义的 Code Agent 任务 → protocol 全 null。

打开官方来源

dsbench-fullstack 图表尚无可读数值 模型 deepseek-v4-pro · 版本 GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: DSBench-FullStack · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 9 行)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: dsbench-fullstack（DSBench 的 DeepSeek FullStack 划分，页面未定义划分语义；与既有 dsbench-hard 平行，已同步建实体 data/benchmarks/dsbench-fullstack.json）。视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 71.1；Flash-0731 68.7；V4-Pro-Preview 41.8；V4-Flash-Preview 37.0；GLM-5.2 61.8；Kimi-K3 73.7；Opus-4.8 71.6；Fable 5 (w/ fallback) 77.2。数据科学智能体评测，非表注定义的 Code Agent 任务 → protocol 全 null。

打开官方来源

dsbench-hard 图表尚无可读数值 模型 deepseek-v4-pro · 版本 GA 快照 0813 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Agent 能力大幅提升 · row: DSBench-Hard · figure: models/2026-08-13-deepseek-v4-pro/images/v4_260813_benchmark_table_cn.png (第 10 行)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（双路径一致），未经人工复核不得翻 verified。V4-Pro-0813 = 67.2；Flash-0731 59.6；V4-Pro-Preview 31.1；V4-Flash-Preview 25.8；GLM-5.2 54.5；Kimi-K3 63.0；Opus-4.8 71.7；Fable 5 (w/ fallback) 68.3。同表 Flash-0731 59.6 与已人工核验的 260821 Vision-Exp 表逐值一致，互证读图可信。数据科学智能体评测，非表注定义的 Code Agent 任务 → protocol 全 null。

打开官方来源