2026 年 8 月 13 日，DeepSeek 在官网 API 文档页悄然更新了一行模型版本号：deepseek-v4-pro 的 fingerprint 从预览版变为 fp_v4pro_20260812。没有发布会，没有直播，从 4 月 24 日预览版上线到正式版发布，中间隔了 111 天。
在这 111 天里，Kimi K3 高调发布抢走开源头条，同门的 V4 Flash 正式版先行一步于 7 月 31 日上线。而 V4 Pro 正式版最大的变化只有一条：同样的架构、同样的参数量，只做了后训练（post-training），却让 Agent 能力从一个几乎不可用的水平，直接跳到了能和 Claude Opus 4.8、Kimi K3 正面对打的位置。
架构没变，能力暴涨
V4 Pro 正式版的模型架构与预览版完全一致：1.6T 总参数，49B 激活参数的 MoE（混合专家）结构，支持 1M 上下文长度，最大 384K 输出。同门的 V4 Flash 则是 284B 总参数 / 13B 激活参数。两者共享同一种注意力机制创新：Token-wise 压缩配合 DSA（DeepSeek Sparse Attention），在保持 1M 上下文的同时大幅降低推理所需的计算和内存开销。
变化发生在后训练阶段。DeepSeek 官方在 V4 Flash 正式版更新日志中明确写道：Flash-0731 保持了与 Flash-Preview 相同的模型结构和尺寸，仅重新进行了后训练，就让 Agent 基准测试成绩远超 V4-Pro-Preview。Pro 正式版走的同一条路：不改架构，专攻代码 Agent 场景的大规模后训练。
Agent 基准测试：从不可用到一线水平
V4 Pro 正式版在 Agent 相关评测上的提升幅度可以用「脱胎换骨」来形容。以下数据来自 DeepSeek 官方基准测试表和社区整理：
| 基准测试 | V4-Pro-0813 | V4-Flash-0731 | V4-Pro-Preview | GLM-5.2 | Kimi-K3 | Opus-4.8 | Fable 5 |
|---|---|---|---|---|---|---|---|
| HLE（无工具/有工具） | 42.7/60.0 | 37.8/51.5 | 37.7/48.2 | 40.5/54.7 | 43.5/56.0 | 49.8/57.9 | 53.3/63.0 |
| Terminal Bench 2.1 | 87.9 | 82.7 | 72.1 | 81.0 | 88.3 | 85.0 | 88.0 |
| NL2Repo | 61.5 | 54.2 | 38.5 | 48.9 | - | 69.7 | - |
| Cybergym | 83.3 | 76.7 | 52.7 | - | 80.0 | 78.3 | 83.1 |
| DeepSWE | 62.7 | 54.4 | 12.8 | 46.2 | 67.5 | 58.0 | 70.0 |
| Toolathlon-Verified | 74.1 | 70.3 | 55.9 | 59.9 | 76.5 | 76.2 | 77.9 |
| Agents' Last Exam | 25.7 | 25.2 | 16.5 | 23.8 | 27.6 | 25.7 | - |
| AutomationBench (Public) | 31.8 | 25.1 | 12.8 | 12.9 | 30.8 | 27.2 | 29.1 |
| DSBench-FullStack | 71.1 | 68.7 | 41.8 | 61.8 | 73.7 | 71.6 | 77.2 |
| DSBench-Hard | 67.2 | 59.6 | 31.1 | 54.5 | 63.0 | 71.7 | 68.3 |
DeepSWE 是变化最剧烈的单项。预览版只有 12.8 分，正式版飙到 62.7，涨了近 50 分。这个基准测试评估模型解决真实软件工程问题的能力，涉及长链路的代码修改、环境操作和工具调用，恰好是预览版最容易翻车的场景。
Cybergym 从 52.7 升至 83.3，Terminal Bench 2.1 从 72.1 提至 87.9，DSBench-Hard 从 31.1 翻倍至 67.2。这些测试有一个共同特点：都需要模型在多步骤的任务流程中自主决策，而不是单轮回答一个问题。
与竞品的对比
把 V4 Pro 0813 放到竞品中看，它在部分项目中已经追平或超越了一线闭源模型。Terminal Bench 2.1 的 87.9 分超过 Opus-4.8 的 85.0，仅次于 Kimi-K3 的 88.3 和 Fable 5 的 88.0。Cybergym 的 83.3 分甚至微超 Fable 5 的 83.1。
但 Pro 正式版并非全面领先。纯知识推理方面，HLE（不使用工具）只有 42.7 分，落后 Opus-4.8 的 49.8 和 Fable 5 的 53.3。NL2Repo 以 61.5 分落后 Opus-4.8 的 69.7。在 Kimi K3 占优的 DeepSWE（67.5 vs 62.7）、Toolathlon（76.5 vs 74.1）、DSBench-FullStack（73.7 vs 71.1）等项目上，V4 Pro 仍有轻微差距。
多模态：从纯文本到图像推理
预览版是纯文本模型，正式版首次原生支持图像推理。DeepThink 引擎现在可以在同一个思考流程中分析图片、解读截图、处理混合文档。对于需要视觉理解的 Agent 场景（例如分析 UI 截图、解读数据图表、处理带图文档），这是从无到有的能力补充。
V4 Pro 正式版同时原生支持 OpenAI Responses API 格式，并专门适配了 Codex 工作流。开发者可以在 DeepSeek API 文档中找到一键配置方法，直接用 Codex 风格的 Agent 循环调用 V4 Pro。
价格策略：从固定到分时
V4 Pro 正式版发布同时，DeepSeek 宣布调整 API 定价模式。8 月 16 日 16:00 UTC 起执行新的分时计价：
| 模型 | 时段 | 输入（缓存命中） | 输入（缓存未命中） | 输出 |
|---|---|---|---|---|
| V4-Flash | 非高峰 | $0.007 | $0.22 | $0.66 |
| V4-Flash | 高峰 | $0.014 | $0.44 | $1.32 |
| V4-Pro | 非高峰 | $0.022 | $0.66 | $1.98 |
| V4-Pro | 高峰 | $0.044 | $1.32 | $3.96 |
高峰时段为 UTC 01:00-04:00 和 06:00-10:00（对应北京时间 09:00-12:00 和 14:00-18:00），其余时段为非高峰，价格为高峰的一半。非高峰时段的 V4 Pro 输出价格为 $1.98/百万 token，相比 Kimi K3 的 $15/百万 token 约低 7.5 倍。
当前（8 月 16 日前）V4 Pro 仍执行旧定价：输入 $0.435/百万 token（缓存未命中），输出 $0.87/百万 token。DeepSeek 在 8 月 6 日已预告计划近期上调 API 定价，这次分时计价是涨价的第一步。
DeepSeek Harness：Agent 框架即将到来
V4 Flash 正式版更新日志中藏着一条关键信息：官方基准测试使用了「DeepSeek Harness 极简模式（即将发布）」作为 Agent 框架，采用 max 档位、top_p=0.95、temperature=1.0。结合近期 DeepSeek 注册「DeepSeek Harness 团队」公众号和招聘 Agent Harness 产品经理、研发工程师的信息，DeepSeek 正在把模型和 Agent 运行框架打包推出。
Harness 在 AI 工程领域指的是位于大模型之上的工程层，负责工具调用、记忆管理、子代理编排和终止逻辑。Anthropic 在 2025 年底至 2026 年初推广了这个概念。社区讨论中，Artificial Analysis 的数据显示，同一个模型换用不同的 Harness 可以产生约 10 分的编码 Agent 指数差异，相当于 GPT-5.6 Sol Max 和 Luna Max 之间的差距。
DeepSeek Harness 的定位是对标 Claude Code 的编程 Agent 产品。官方在招聘信息中要求候选产品经理熟悉 Claude Code、Codex、Cursor、OpenCode、GitHub Copilot、Manus 等产品。极简模式只是第一个版本，完整的 Harness 产品还在开发中。
开发者实际影响
对于已经使用 DeepSeek API 的开发者，迁移成本几乎为零。模型名称不变（deepseek-v4-pro），API 调用方式不变，只是底层模型自动切换到了 0813 版本。支持的功能包括 JSON 输出、工具调用、Responses API、Anthropic API 格式、Chat Prefix Completion。
V4 Pro 的并发限制为 500（V4 Flash 为 2500），开发者需要根据 Agent 工作负载调整并发策略。利用缓存可以显著降低成本：缓存命中的输入价格只有缓存未命中的约 3%，标准 Agent 循环中的缓存命中率通常可以达到 90% 以上。
对于需要 Agent 执行复杂代码任务的开发者，V4 Pro 正式版的定位是一线开源权重模型中最具性价比的选择。DeepSWE 62.7、Terminal Bench 87.9、Cybergym 83.3 的组合，在每百万 token 输出 $0.87 的价格下，已经可以直接用于生产环境的代码 Agent 工作流。