DeepSeek V4 pro 正式上线
刚看到 DeepSeek V4 Pro-0813 这张最新评测图。 我第一反应： DeepSeek 这次明显在猛补 Agent。 几个数据挺夸张： DeepSWE：12.8 → 62.7 CyberGym：52.7 → 83.3 DSBench-Hard：31.1 → 67.2 NL2Repo：38.5 → 61.5 Terminal Bench 2.1：72.1 → 87.9 尤其 Terminal Bench 已经到了 87.9，图里 Claude Opus 4.8 是 85.0，Fable 5 是 88.0。 AutomationBench 也到了 31.8，超过图里的 Opus 4.8 和 Fable 5。 当然，也没有到“全面碾压”的程度。 NL2Repo、Toolathlon、DSBench 等几个项目，Claude / Fable 依然很强。 但我觉得真正值得关注的是： DeepSeek V4 这一代的重点越来越清楚了：Agent、Coding、工具调用、长任务执行。 这和以前单纯比“聊天聪不聪明”，已经完全是两个阶段了。 对我们这种天天折腾 Codex、Claude Code、Coding Agent 的人来说，我现在更关心的也不是谁数学题多考了两分。 我关心的是： 能不能进仓库干活？ 能不能连续跑几十步？ 能不能调用工具？ 能不能改完代码以后把测试跑通？ 能不能真的把一个任务做完？ 如果 V4 Pro 正式版实际体验能接近这张表的数据，接下来国产模型在 Coding Agent 这一块会非常有意思。 我已经准备等 API 更新后实际跑项目测一轮了。 Benchmark 看完只是开始，真仓库里跑一天才知道水平。 deepseekv4pro正式版