DeepSeek-V4 Pro 评测曝光 性价比击败竞品

DeepSeek-V4 Pro (0813) 在软件工程基准 DeepSWE 的头对头测试中表现突出，以 88.5%（pass@4）的准确率击败 GPT-5.6 Sol 与 Fable 5。其单任务成本仅为 0.24 美元，展现出显著的性价比优势。实测案例显示，该模型在编程挑战中成本远低于 Fable。评测还发现该模型与竞品存在任务结果上的互补性，引发了社区对混合模型路由策略的讨论。

已确认

• 主结果：DeepSeek-V4 Pro (0813) 在 DeepSWE 达 88.5% pass@4，击败 GPT-5.6 Sol 与 Fable 5；单任务成本 0.24 美元。
• 语言表现：GPT-5.6 Sol 在 Python、Go 等四种语言领先，Fable 5 在 Rust 上优势显著（85%）；DeepSeek-V4 Pro 无单语言第一，但整体稳定未崩盘。
• 行为相关性：DeepSeek-V4 Pro 与 Fable 5 的任务结果相关性仅 0.39，多样性最高；Pro 与 Sol 行为最相似。
• 路由策略：先跑 DeepSeek-V4 Pro、测试套件未通过再升级至 Sol 的两段式路由，解决率 83.0%，单任务成本 3.35 美元。
• 独立评测：GitHub 用户 xiaobright 的评测显示 DeepSeek V4 Pro 正式版在特定配置下成绩大幅提升。
• 停止控制问题：@karminski3 经 1 亿 token 测试证实，DeepSeek-V4-Pro-0813 的“停止控制问题”独立于脚手架和提示词修改。
• 实测案例：DHH 分享的某编程挑战中，DeepSeek Pro V4 Max 总花费 23 美元，远低于 Fable 的 550 美元。

尚未确认

• 版本口径：部分帖文将模型称为 DeepSeek-V3 (Pro 0813)，是否与 DeepSeek-V4 Pro 为同一模型无法确认。

为什么重要

• 88.5% pass@4 叠加 0.24 美元单任务成本，对 GPT-5.6 Sol、Fable 5 构成直接性价比冲击，可能改变工程团队的模型选型。
• Pro 与 Fable 仅 0.39 的相关性意味着两者任务覆盖互补，两段式路由方案展示了如何利用这种互补性优化成本与效果。

2026-08-15 ~ 2026-08-16 · 10 条相关

• 【源头】DeepSeek-V3 超越 GPT-4o 与 Claude 3.5 Sonnet — zainhas · 2026-08-15
• 【源头】DeepSeek-V4 Pro 击败 Sol 与 Fable — zainhas · 2026-08-15
• DeepSeek-V4 Pro 编程评测：Rust 弱项但稳定性强 — zainhas · 2026-08-15
• DeepSeek-V4 Pro 与 Fable 任务相关性最低 — zainhas · 2026-08-15
• 模型路由策略：DeepSeek 为主分层降级 — zainhas · 2026-08-15
• DeepSeek V4 Pro特定配置下评测登顶，与GPT-5.6、Claude并列第一梯队 — teortaxesTex · 2026-08-15
• 实测 DeepSeek V4 Max：耗时更长但成本仅 23 美元 — burny_tech · 2026-08-16
• DeepSeek V4-Pro实测：推理强度max不如high？Harness能否拯救？ — karminski3 · 2026-08-16
• 【源头】DeepSeek V4-Pro停止控制问题独立于脚手架，1亿token测试证实换提示词无效 — karminski3 · 2026-08-16

另有 1 条近重复转述:zainhas