文 | AIX 财经，作者 | 雷晶，编辑 | 金玙璠

盼望着，盼望着，DeepSeek-V4-Pro 正式版终于来了。

这次发布，过程还有点曲折。8 月 12 日晚，DeepSeek 官方 API 定价页悄然发生变化，DeepSeek-V4-Pro 对应版本已经更新为 DeepSeek-V4-Pro-0813，新模型先在 API 端静默上线了。

8 月 13 日下午，DeepSeek 官网的发布通知以及开放平台公告被撤回，不过模型仍然显示在模型与价格页面中。到了 13 日晚间，DeepSeek 重新发布公告，确认正式版已同步登陆 APP、网页端和 API。

正式版继续往长任务和 Agent 方向走。它延续了 1M 上下文、384K 最大输出等规格，同时支持非思考和思考模式，思考模式默认开启。1M 上下文可以一次塞进更大的代码库和文档，384K 最大输出则给连续编程、复杂 Agent 任务留下了更大的执行空间。

除此之外，正式版还新增了 low、high、max 三档思考强度，并原生支持 Responses   API。对应到官方公布的基准成绩上，它的重点能力也比较明确，主要集中在 Coding、Agent、工具调用和复杂任务执行。

DeepSeek 这次也涨价了。从 8 月 17 日开始，DeepSeek  API将采用峰谷定价：每天 9:00-12:00、14:00-18:00 为高峰时段，其余为空闲时段，空闲价格为高峰的一半。以 DeepSeek-V4-Pro 为例，空闲时段缓存未命中输入、输出价格将从目前的 3 元、6 元涨至 4.5 元和 13.5 元，高峰时段则达到 9 元和 27 元。

配置摆在这里，价格也涨了，那实际能力到底如何呢？

要判断 DeepSeek-V4-Pro 处在什么水平，Kimi K3 是一个很合适的参照物。Kimi K3 是上个月发布的旗舰模型，在 Coding 和 Agent 相关榜单上表现突出，且两款模型瞄准的能力区间高度重合。我们具体来看一下基准成绩的对比。

DeepSeek-V4-Pro 正式版 VS Kimi K3 跑分对比图

从上图可以看出，两款模型没有出现谁把谁完全甩开的情况，而是各自守住了几块优势。Kimi K3 更占优的项目，大多集中在长程软件工程和连续任务执行。DeepSeek-V4-Pro 正式版则在自动化、安全以及部分高难任务上更占优势。

跑分只能说明一部分问题。真正放进具体任务里，两款模型谁更会干活？我们选了四类任务，用同一套提示词分别交给两款模型，看看谁的表现更好。

不过，需要说明的是，我们是在 DeepSeek-V4-Pro 正式版尚未上线 App 和网页端时开始测试的，使用方法是将它接入 Codex 使用；Kimi K3 则直接在 Kimi Work 中调用。这意味着在编程、网页生成和文件操作等任务里，最终表现除了模型本身，也可能受到工具链和运行环境影响。另外，本次测试均为单次生成结果，模型输出存在一定随机性，结果仅供参考。

接下来，我们一起看看它们的实际表现。

01. 内容创作：DeepSeek 更会讲故事，Kimi 更会做报告

我们先从最容易暴露模型 " 表达习惯 " 的内容创作开始。

我们设计了两道题：一道考故事续写，看模型能不能理解人物、延续叙事；另一道考行业报告，看它能不能从大量信息里抓住重点、组织观点。

我们先让两款模型为近期爆火的 AI 漫剧《被裁掉的女孩》续写第二季，从第一季女主角方桃子结束巴黎时装周、回到上南城的第二天开始，写一个 1000 字左右的故事。要求延续第一季的现实风格，不走一路开挂的爽文路线，而是继续讨论行业规则、舆论压力和自我价值等更现实的问题。

写故事对大模型来说不算难，难的是不暴露 "AI 味 "。从结果来看，两款模型都没有完全逃过这个问题。还需要说明的是，即便做了简单的介绍，它们对具体的人物依旧不了解，给出的故事人物和原剧设定有出入。

先来看 DeepSeek-V4-Pro 正式版的成品，有 "AI 味 " 但至少故事线是顺的。

DeepSeek-V4-Pro 正式版生成的故事

Kimi K3 的问题更明显，它没有完全分清 " 背景资料 " 和 " 故事正文 "。我们在提示词中简单回顾第一季，只是为了帮助模型理解人物和前情。结果 Kimi K3 在故事里写了几句类似 " 第一季里陪她熬过来的助理小满 " 的句子，正常的续集不会突然站在观众视角提醒这是第一季的人物和情节，很容易出戏，也让整篇故事的衔接不够流畅。

Kimi K3 生成的故事

接着，我们把内容创作从文学拉回工作场景，让它们分别写一份 2026 年 AI 编程工具行业竞争格局分析报告。

DeepSeek-V4-Pro 正式版给出的框架比较清楚。它按照行业演变、全球格局、中国市场等维度展开，也会结合公司案例和数据支撑判断。不过，整体内容偏少，对头部产品竞争关系、市场变化等问题点到了但没有进一步展开。

Kimi K3 则明显更 " 能搜罗 "。它不仅整理了市场规模、采用率、国内外市场份额、产品定价等信息，还通过大量表格把不同公司和产品放在一起比较，呈现上更直观。论证也比较有条理，结尾还附上了信息来源。

这一轮，它们各赢一题。DeepSeek-V4-Pro 正式版更会把故事讲顺，Kimi K3 则更会收集和整理信息。

02. 编程：DeepSeek 修改快，Kimi 还原准

接下来，进入两款模型都很受关注的编程场景。

我们先从最常规的前端网页开始，让它们做一个 " 电影选片器 "。网页需要内置至少 24 部经典电影，支持按类型和评分筛选，再通过 " 随机选一部 " 不断抽选。这道题本质上是前端综合题，主要考察模型能不能把数据、筛选逻辑、交互和视觉效果装进一个HTML文件。

Kimi K3 生成的电影网页

两款模型交出来的结果相当接近。它们都选择了深色背景，把筛选条件放在页面上方，中央用电影卡片承载抽选结果，类型筛选、评分区间、" 换一部 " 等核心功能也都正常实现。

DeepSeek-V4-Pro 正式版生成的电影网页

DeepSeek-V4-Pro 正式版的问题出在一个小细节。它在电影卡片中央加入了胶片图标，本意可能是为了增强氛围，但在部分加载情况下，图标会与文字发生重叠，影响观感。

这一题差距不大，于是我们把要求提高了一档，给它们两张艺术博物馆官网的截图，让它们据截图还原网页。这道题要求模型不仅要会写代码，还得先真正 " 看懂 " 页面。

艺术博物馆官网的截图

这一轮，差距明显拉开。DeepSeek-V4-Pro 正式版的成品 " 不能说一模一样，只能说毫不相关 "，它仅仅抓住了截图的色调，没有真正还原截图表达的内容。原图明明是艺术博物馆官网，它最终做出来的却是品牌官网。

DeepSeek-V4-Pro 正式版还原的网页

Kimi K3 的还原更准确。官网的整体结构、模块都保留下来，和原截图相当接近。比较明显的差别主要在图片素材，原截图的首页主视觉和部分页面使用了实景照片，Kimi K3 没有原始素材，用几何图形进行了替代。

Kimi K3 还原的网页

我们再把难度继续拉高，让它们做一款威尼斯运河快艇游戏。玩家要控制快艇，在倒计时结束前沿运河穿过桥洞，最终抵达码头。我们还要求加入晾衣绳、水面倒影等细节。

两款模型都交出了能玩的游戏，但侧重点不太一样。DeepSeek-V4-Pro 正式版把要求的运河两侧建筑、桥洞和晾衣绳等大部分元素都还原了，整体完成度不错。不过，它漏掉了一个细节，水面没有呈现建筑的倒影。此外，晾衣绳上的衣服虽然存在，但悬挂状态比较生硬，多少有一点 " 贴 " 上去的感觉。

我们随后临时加了一道题，把原本相对规整的桥洞改成交错分布，增加游戏难度。DeepSeek 大约 5 分钟完成修改，调整后的桥洞交错，且船不能直接穿墙而过，游戏逻辑基本成立。

DeepSeek-V4-Pro 正式版生成的游戏

Kimi K3 这一轮在视觉上更胜一筹。两侧建筑、晾晒的衣物处理得更自然，水面也能够看到房屋倒影，整个运河美感更强。尤其同样是 " 晾衣绳 "，两边都做了，但 Kimi K3 会进一步处理衣物悬挂状态，更像真实场景。此外，它还加入了快艇行驶、穿过桥洞得分等音效，游戏的沉浸感也更强。

我们同样要求它把桥洞改成交错分布。修改后的游戏能正常运行，碰撞逻辑也没有明显问题，不过这一轮它花了大约 10 分钟，是 DeepSeek-V4-Pro 正式版的两倍。

Kimi K3 生成的游戏

这一轮，两款模型在纯前端功能实现上的差距并不大，真正拉开差距的是复杂需求下的理解和执行方式。Kimi K3 更擅长还原视觉要求，成品细节也更完整；DeepSeek-V4-Pro 正式版虽然视觉表现稍逊，但二次修改速度更快，对明确指令的响应也更直接。

03. 视觉审美：DeepSeek 先卡壳，Kimi 一次 " 出片 "

接下来，我们再看看视觉审美。

我们让两款模型用 Three.js 还原水母湖，画面里要有大量金色水母随着光线迁徙，在碧绿海水中形成近似 " 金色星河 " 的效果；同时还要表现水面光束、丛林倒影、鱼群和不同远近层次的水母。这道题也在考验模型能不能理解一段偏文学化的视觉描述，再把 " 金色星河 "" 发光云团 " 这些抽象要求翻译成具体画面。

DeepSeek-V4-Pro 正式版先卡了几次。它半小时后交出的首个成品，打开页面一片空白；第一次修改后又出现渲染错误；直到第二次调整，场景才正常显示，但页面上仍留有一行渲染错误提醒。

DeepSeek-V4-Pro 正式版生成的水母湖

再具体看成品，它对视觉呈现的理解也偏了。我们想要的是金色水母密集分布，在水中形成像星河一样的发光云团。DeepSeek 的成品却在海水里铺了大量金色光点，而真正的水母则被处理成灰色椭圆状物体。结果 " 星光 " 有了，" 金色水母群 " 这个主角反而没有体现。

它的整体色调也偏暗，更像置身较深的水底，看不出水面和阳光穿透的层次感。不过，它倒是体现了水下植物丛，背景环境铺得比较全。

Kimi K3 则花了大约 40 分钟，一次交出了可以正常运行的成品。它的理解更准确，画面里能看到密集的金色水母群，不同远近的水母形成明显层次，基本呈现出了要求的 " 金色星河 "。

Kimi K3 生成的水母湖

除了水母，画面中能看到鱼群、水面以及从上方洒下来的光束，整体风格也更偏写实，画面也更加精美。不过，我们要求水下能够看到植物，它的成品里基本没有呈现。

这一轮两者的差距依然比较明显。DeepSeek 视觉表现稍弱，首轮运行的稳定性也还有提升空间；Kimi 的理解和审美完成度更高。

04. 物理仿真：Kimi 跑通逻辑，DeepSeek 卡在穿模

最后，我们把难度拉满，进入一个更容易露馅的场景：物理仿真。

我们让它们用 Three.js 制作一个 " 鞭炮箱子 " 的 3D 连锁爆炸演示。100 个鞭炮落入箱中后，要完成点燃、爆炸、弹射和连锁引燃，同时处理碰撞、碎片和烟雾等效果。

这道题最重要的是物理逻辑和因果链能不能成立，鞭炮掉下来不能穿模、爆炸不能凭空发生，被冲击的鞭炮也要符合运动规律。

Kimi K3 大约用了 10 分钟就交出了结果，整体完成度比较高。鞭炮从上方落入透明箱子后，会留在箱体内部，没有明显穿模。点击 " 开始燃放 " 后，一个已经点燃的鞭炮从外部落入箱中，再逐渐引燃周围的鞭炮，整个过程至少在视觉上有清楚的因果关系。燃放的反应也比较写实，能看到明显的烟雾和气团效果。

Kimi K3 生成的 " 鞭炮箱子 "

单个引爆模式也和正常燃放做了区分，可以直接选择箱内某个鞭炮点燃，再从这个位置向周围触发连锁反应。这样一来，正常燃放是外部点火，单个引爆是局部触发，两条逻辑都连贯，更像一套完整的仿真演示。

DeepSeek-V4-Pro 正式版就要曲折得多，前后花了接近 40 分钟。首先出现了碰撞问题，鞭炮从上方落入箱子的过程中会直接穿过箱体，说明最基础的碰撞约束没有成立。到了点燃环节，箱内某个鞭炮突然冒出火星，开始连锁爆炸，缺少火源的过渡。它可能想展示爆炸后的气体形成的气团，但最终呈现像短暂白屏。而且整个爆炸过程明显卡顿，多次运行也没有明显改善。

DeepSeek-V4-Pro 正式版生成的 " 鞭炮箱子 "

单个引爆模式没有和正常燃放拉开明显差别，依旧是某个位置突然出现火星，随后进入同样的爆炸流程。按钮虽然有了，但对应的交互逻辑并没有真正做出区分。

这一轮，Kimi K3 明显更稳，更能把物理规律落实到运行逻辑里；DeepSeek-V4-Pro 正式版则在基础碰撞和因果链上掉了链子。

05. 结语

几轮测下来，我们发现，DeepSeek-V4-Pro 正式版在内容创作上叙事更顺；编程任务里，它的修改速度也更快。但在需要理解视觉信息的任务中，表现有待提升。截图还原、3D 视觉和物理仿真任务中，Kimi K3 对画面的理解更准确，成品完成度也更高。

所以，DeepSeek-V4-Pro 正式版依然能打，只是没有做到全面领先。考虑到它依然保持了较低的价格，性价比仍然突出。在旗舰模型里，" 够用且便宜 " 本身就是竞争力。

一直以来，DeepSeek 最鲜明的标签，是用相对低的价格，提供足够强的模型能力。到了 DeepSeek-V4-Pro 正式版，这套逻辑发生了一些变化，API 将采用峰谷定价，虽然给开发者留下了通过错峰调用控制成本的空间，但 " 绝对低价 " 已经不再像过去那么突出。

模型表现之外，DeepSeek 背后的深度求索自己正在变 " 重 "。

6 月，深度求索启动大规模的公开招聘，提出希望各部门规模至少扩大一倍，岗位从算法研发扩展到产品、数据工程、运维等方向。与此同时，DeepSeek 官网招聘页面开始频繁出现 Agent Harness、Agent Infra 以及通用 Agent 数据产品经理等岗位。

8 月 13 日晚，DeepSeek Harness 开发者预览版正式开放测试，并同步以 MIT 协议开源。这套系统解决的是模型 " 怎么干活 " 的问题，模型、工具、存储等能力都可以通过插件自由组合。相比直接做一个面向用户的 Agent 产品，DeepSeek 选择先搭一套开放的 Agent 运行框架，把能力从模型层进一步延伸到 Agent 基础设施。

团队和产品都在扩张，背后也需要更多资金支撑。DeepSeek 过去长期依靠幻方体系提供资金，并一度拒绝外部融资。今年策略明显改变，6 月完成首次外部融资，规模超过 500 亿元，此后又继续推进新一轮融资。

所以，DeepSeek-V4-Pro 正式版之后，还有两个更值得观察的问题。

第一，涨价之后，DeepSeek 还能不能守住 " 高性价比 "。模型规模扩大、Agent 任务变长，都在增加算力消耗和成本压力。价格不再足够低之后，它需要靠更强的任务完成能力和更高的调用效率，证明自己依然 " 值 "。

第二，DeepSeek 能不能真正进入用户工作流。目前的 Harness 仍主要面向开发者。接下来更关键的是，DeepSeek 会不会进一步推出面向普通用户或企业的 Agent 产品，把这些能力变成真正可用的工作流。只有走到这一步，DeepSeek 才能获得更直接的真实任务反馈，也才能把模型能力进一步转化成产品优势。