DeepSeek V4 Pro 疑似灰度更新：LobeBench 硬题通过率涨 16 个百分点
teortaxesTex · x · 2026-11-08
LobeHub 的 Max 发布了目前唯一较可信的 DeepSeek V4 Pro 变更实测报告（未获官方证实）。DeepSeek 服务中断恢复后，多名用户反馈 V4 Pro 体验明显变化；在其私有评测集 LobeBench Hard 50（50 道真实复杂 Agent 任务，每题测 3 次）上：
- 当前 V4 Pro：64%（通过 32/50），国产第一；此前 0813 版本：48%（24/50），排名第 13，提升 16 个百分点。
- 若只看三次尝试至少成功一次的比例，两版分别为 82% 和 80%，差距很小；真正拉开差距的是连续三次稳定完成任务的能力，说明提升主要在复杂任务执行稳定性。
该评测考察模型在真实 Agent 场景中理解任务、调用工具、持续执行并完成工作的能力。作者提醒仍需看完整排行榜，且评测形态存疑（是否所有模型都栽在同样的 9-10 道题上）。
所属事件:DeepSeek V4 Pro 疑似灰度更新，能力提升引发争议(2 条相关)→
「模型」频道最新
- 协作模型 Ampersand 登陆 Vercel AI Gateway,744B 参数免费一周 — ericzelikman · 2026-11-08
- Gamefeel 榜单:Qwen-Flash-Early 创意分 54 登顶,速度还快 — teortaxesTex · 2026-11-08
- Grok Ultra 额度被讽「食物配给」：同样的钱别家能跑小文明 — mertdumenci · 2026-11-08
- 分析 1400 次会话:Claude Opus 5.5 推理行为 11 月 3 日突变 — churchkey · 2026-11-08
- 传 Qwen4-27B 早期版仅约 35GB 即登顶实测榜,或为稀疏 MoE — teortaxesTex · 2026-11-08
- Muse token 定价曝光：2B tokens 售 35 美元 — RichardsonDx · 2026-11-08