8 月 12 日晚，DeepSeek 更新官方 API 文档，旗舰模型 DeepSeek V4 Pro 0813 正式版（以下统称为 V4 Pro）悄然上线。这是继 7 月 31 日 V4 Flash 0731 转正之后，DeepSeekV4 这一代产品补上的最后一块拼图。

能力方面，V4 Pro 的 Agent 能力几乎全面提升，知名机构 SemiAnalysis 表示，DeepSeek V4 Pro 和 Flash 在 Agent 相关测试中，都甩开了参数更大的英伟达Nemotron 3 Ultra模型。

根据 DeepSeek 释放的基准测试数据，V4 Pro 在终端操作、代码工程等基准测试中 " 猛追 "Opus 4.8、Fable 5 这种海外前沿模型，并在部分基准测试中领先。

价格上，V4 Pro 定价延续了 DeepSeek 一贯的 " 地板价 " 策略。根据官方页面提供的信息，V4 Pro 每百万 tokens 输入（缓存未命中）3 元、输出6 元，缓存命中输入低至0.025 元。以输出为例，V4 Pro 6 元的输出价格仅为Opus 5 的三十分之一、Fable5 的六十分之一。

不过需要注意，DeepSeek 也在官方页面上预告涨价，且涨幅较大。从这个角度来看，平价的 V4 Pro 可以看作是 DeepSeek 在新模型上线初期引流的一场 " 临时价格战 "。

根据 DeepSeek 官方文档，V4 Pro 正式版模型版本号为DeepSeek V4 Pro 0813，开发者可通过 deepseek V4 pro 直接调用。与 Flash 版一致，V4 Pro 提供OpenAI 格式与Anthropic 格式两套接口。

核心规格方面，V4 Pro 支持100 万 tokens 上下文窗口与最大 38.4 万 tokens 输出，可以一次性读入大型代码仓库、企业知识库或长篇文档，并支撑长时间、多步骤的 Agent 任务。

模型默认开启思考模式，同时支持切换为非思考模式，开发者可在响应速度与推理深度之间自主选择。

V4 Pro 与 Flash 版完全一致：Json Output、Tool Calls、Responses API、Anthropic API、对话前缀续写（Beta）全部支持；FIM 补全（Beta）则在非思考模式下可用。这意味着DeepSeek 在接口层面已经完整对齐了当前主流的 Agent 开发工具链。

价格方面，V4 Pro 每百万 tokens 输入（缓存未命中）3 元、输出6 元，缓存命中输入低至0.025 元；Flash 版对应价格为 1 元、2 元与 0.02 元，两者价差恰好三倍，形成 " 高频轻量任务走 Flash、复杂推理任务走 Pro" 的清晰产品分层。

另外，在并发限制方面，Pro 为 500，Flash 为 2500，进一步印证了两者的定位差异。

根据 DeepSeek 官方释放的信息，V4 Pro 0813 在终端操作、代码工程、工具调用、安全攻防等维度的基准测试中 " 猛追 "Fable 5 这种海外前沿模型，并在部分基准测试中领先。

其中，考察模型在真实终端环境中执行命令、解决系统问题的能力的 Terminal Bench 2.1 中得分 87.9；面向 AI 安全攻防场景的 Cybergym 中得分 83.3；聚焦软件工程与数据科学全栈任务的 DeepSWE 与 DSBench 中分别为 62.7、71.1（DSBench-FullStack）、67.2（DSBench-Hard）；在考察知识推理深度的 HLE（Humanity ’ s Last Exam）上，无工具 / 带工具成绩分别为 42.7/60.0；在衡量自动化流程的完成质量的 AutomationBench 中得分 31.8。

相比 4 月发布的 V4-Pro 预览版，正式版基准测试释放的能力数据，可以说是代际级别的提升：DeepSWE 从 12.8 跃升至 62.7，提升近 5 倍；Cybergym 从 52.7 升至 83.3；AutomationBench 从 12.8 升至 31.8；DSBench-Hard 从 31.1 翻倍至 67.2；Terminal Bench 2.1 也从 72.1 提升至 87.9。

Agent 能力的全面暴涨，是本次正式版最核心的升级信号。

与 V4-Flash-0731（平均分约 57.4）相比，V4 Pro 在全部九项基准评测中保持领先，尤其在 DeepSWE（62.7 对 54.4）、DSBench-Hard（67.2 对 59.6）等高难度任务上拉开了明显差距。

不过也要注意，在主流基准测试中，V4 Pro 并非全面碾压：在 HLE 无工具（纯知识推理）与 NL2Repo（代码库理解）两个维度上，它与 Anthropic 旗舰仍存在实打实的差距。比较有意思的是—— HLE 加入工具调用后，V4 Pro 以 60.0 对 57.9 反超 Opus 4.8，显示其工具使用能力已能弥补纯推理的短板。

V4 Pro 正式版上线后，海外分析机构迅速给出反应。

知名半导体与 AI 分析机构 SemiAnalysis 在 X 平台发文祝贺 DeepSeek 发布 V4 Pro 0813（推文中称其为 "1.5T" 模型），并直言其在 Agent 任务上 " 大幅击败 NVIDIA 的 Nemotron 3 Ultra"（massively beats Nemotron3 Ultra on agentic tasks）。

SemiAnalysis 同时指出，定位更低的V4-Flash 0731 同样大幅领先 Nemotron 3 Ultra——而 Flash 的激活参数比后者少 4.2 倍、总参数少近 2 倍。

其引用的 Terminal Bench 2.1 数据显示：Nemotron 3 Ultra（NVFP4）得分53.9，相比 " 轻量版 " 的 Flash，也差了 29 分，Pro 的领先幅度更达到 34 分。

除了吹捧 DeepSeek 外，SemiAnalysis 还在跟帖中附上了对 Nemotron 模式的批评—— Nemotron 联盟由多个实验室和公司组成，由 NVIDIA 与 Mistral AI 共同主导一个基础模型训练，该模型将开源，并作为后续 Nemotron 4 系列模型的基础。SemiAnalysis 认为这种联盟松散不利于和 DeepSeek 这样的实验室竞争，应该在联盟内部采用 " 赛马机制 " 引导创新。

Semianalysis 贴出来的有关 V4 Pro 和 Flash 模型在 "Agent" 能力上超越英伟达 Nemotron 3 Ultra 的数据，主要反映在两个方面：一个是广度，一个是能力进化幅度。

关于覆盖的广度，前面提到过。V4 Pro 的 Agent 能力并非依赖单点突破，而是横跨九个维度全面铺开：终端操作、软件工程、数据科学全栈、安全攻防等九个维度，都在追前沿模型，甚至超过，这种全链条的能力支持，恰恰是 Agent 模型的核心竞争力。

很简单，当前的 Agent 任务，都需要长时间、多步骤地调用工具、处理异常、串联任务，任何一块短板都会导致整条任务链断裂，所以对模型的要求不是某一项激进的领先，而是要在各个维度对能力均衡的拔高。

所以在提升的幅度上，与 4 月的 Preview 版相比，V4 Pro 正式版在 Agent 维度完成了近乎重做的升级：DeepSWE 提升近 5 倍、Cybergym 提升 58%、AutomationBench 提升约 1.5 倍、DSBench-Hard 翻倍等等。

另外，Flash 0731 在 Terminal Bench 2.1 上同样拿到 82.7 分，也超过英伟达的 Nemotron 3 Ultra，说明整个 V4 系列的 Agent 能力底座已经整体抬升。

结合 SemiAnalysis 提到的参数效率（激活参数少 4.2 倍），DeepSeek 实际上还证明了一件事：Agent 能力的领先，可以不再依赖参数规模的堆砌。

还有一个值得注意的信号：DeepSeek 的 Agent 团队组建。

据公开报道，该团队于今年 5 月在 DeepSeek 内部立项组建，由崔添翼（浙江大学计算机学院毕业、曾任职 Jane Street 近九年）担任负责人，首批开放研究员、研发工程师、产品经理三类岗位；崔添翼在社交平台公开表示 " 部门仍然非常缺人，每天都在面试 "，并于 8 月 2 日面向全球开发者征集 Harness 内测用户。

8 月 11 日前后，"DeepSeek Harness 团队 " 微信公众号完成注册，认证主体为北京深度求索人工智能基础技术研究有限公司，尚未发布内容——这被外界普遍解读为Harness 产品即将发布的前兆。

与前沿模型基准测试对比中，可以清楚看到：对阵 Claude Opus 4.8，V4Pro 基本打平。

在双方均有数据的评测项中，V4Pro 赢下五项：Terminal Bench 2.1（87.9 对 85.0）、Cybergym（83.3 对 78.3）、DeepSWE（62.7 对 58.0）、AutomationBench（31.8 对 27.2）以及 HLE 带工具（60.0 对 57.9）；Agents ’ Last Exam 双方战平（25.7 对 25.7）；在 HLE 无工具（42.7 对 49.8）、NL2Repo（61.5 对 69.7）等项目中落后。

从均值的角度来看，V4 Pro 为 62.8，Opus 4.8 为 62.6 ——几乎完全持平。

对阵 Claude Fable 5，V4Pro 贴身紧逼。V4 Pro 在 Cybergym 上以 83.3 对 83.1 实现反超，AutomationBench 以 31.8 对 29.1 胜出，Terminal Bench 2.1 仅差 0.1 分（87.9 对 88.0）。平均分 62.8 对 70.5，V4Pro 达到 Anthropic 最新旗舰约九成的水平。

Terminal Bench 2.1 一项的对比尤其直观：Fable5 得分 88.0、输出价 50 美元，V4Pro 得分 87.9、输出价 0.87 美元——分数相差 0.1，价格相差 57 倍。也就是说，同样跻身第一梯队的终端 Agent 能力，两者的 " 入场券 " 成本完全不在一个量级。

如果纵向对比，V4-Pro-Preview 与正式版定价完全相同，Terminal Bench 成绩却从 72.1 跃升至 87.9，这也可以变相看成加量不加价。

Agent 能力大幅度跃升，但业界对 DeepSeek 的共识在于——价格杀伤力。

根据公开资料，Anthropic 高端旗舰 Claude Opus 5 每百万 tokens 输入 5 美元、输出 25 美元（约合人民币 36 元 /180 元，与 Opus 4.8 定价相同）；最新旗舰 Fable 5 输入 10 美元、输出 50 美元（约 72 元 /360 元）。

以此计算，V4 Pro 6 元的输出价格仅为Opus5的三十分之一、Fable5 的六十分之一。

在整个前沿模型市场，DeepSeek 的价格优势仍然明显：OpenAI 旗舰 GPT-5.6 Sol 输出 30 美元（约 216 元）、均衡型的 GPT-5.6 Terra 输出 12 美元（约 86 元）；定位 Coding/Agent 主力的 Claude Sonnet 5 输出 10 美元（约 72 元）。

可以说，DeepSeek 用 V4 Pro 把旗舰级 Agent 模型的价格基准线，直接拉低了一个数量级。不过，这一价格窗口可能不会持续太久。DeepSeek 已在官方页面明确标注：" 计划近期整体上调 DeepSeekAPI 服务的定价，预计涨幅较大。"

所以，DeepSeek V4 Pro 正式版 " 三十分之一、六十分之一 " 价差，本质上是发布初期的窗口期定价——对于正在选型 Agent 底座的开发者而言，当前的低价既是红利，也是倒计时。

但要知道，相比海外模型，DeepSeek 即便是涨价，在能力项毕竟前沿模型的同时，依旧有非常高的价格调控空间，或者说性价比优势。而关于涨价，Kimi 企业业务负责人黄震昕的此前的观点值得思考。他说：" 开源模型、中国大模型不该被贴上低价标签，我们做出了 SOTA 级模型 , 也能匹配合理商业定价。"