⚡V4 Pro 正式版初步评测 1）评分符合个人预期。DeepSWE 12.8→62.7（近 5 倍）、DSBench-Hard 31.1→67.2、Cyber
- 序号：384
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
⚡V4 Pro 正式版初步评测
1）评分符合个人预期。DeepSWE 12.8→62.7（近 5 倍）、DSBench-Hard 31.1→67.2、Cybergym 52.7→83.3。Coding/Agentic水平接近Fable5。分数形态与 7 月底 Flash 正式版如出一辙，说明后训练主攻代码、工具调用、多步任务执行。Flash-0731 发布时曾全面反超 Pro 预览版，Pro-0813 在全部 10 项反超 Flash-0731。
2）实测低于个人预期。个人实测大约1.2亿token。前端类项目存在多轮动作修改不通的情况，而此前Flash一轮跑通。投研类项目可能找不到勾稽关系，而GPT5.6Sol可以一次过。复杂后端项目，V4 Pro正式版广但不够深，核心 Agent 循环能够运行，但存在假流式、工具串行等问题。个人认为实际效果在Opus4.6+（可能小样本）。GPT5.6Sol+UltraCode做出来是更可靠的工程产品，而V4正式版更像界面还原较好、功能面较广但尚未收尾的原型。有科技博主评测，认为模型效果不及预期，或者是还未全量推送。实测水平低于灰测泄露水平。如果根据深夜个人实测，不认为V4 Pro正式版代表缩短海外Sota模型性能差距。
3）没有直接涨价。深夜发布以后，仍然按照原价。此前发了涨价预告，V4 Flash正式版调用量暴涨。V4 Pro正式版的涨价幅度预计和实际性能挂钩，即自身的模型帕累托。如果在Opus4.8+的水平，个人预期涨价空间可以达到折扣前的水平。预计上线后DeepSeek将观察调用情况，再给出涨价幅度。
4）原生Harness即将发布。Flash正式版本官方Benchmark评分基于轻量级原生Harness，非原生一般有效果折损。需要原生Harness开放后，继续评测Pro实际效果。近期DeepSeek Harness公众号已经注册。
5）按照更新时价格+评分，对国产模型是斩杀叙事。但是按照实际测试+涨价预期，保持斩杀叙事削弱的观点。方向：国产链（模型、算力、CPU）、CSP（算租、MaaS）、海外链。
总体总结
主题正文
- DeepSWE 12.8→62.7（近 5 倍）、DSBench-Hard 31.1→67.2、Cybergym 52.7→83.3。
- 分数形态与 7 月底 Flash 正式版如出一辙，说明后训练主攻代码、工具调用、多步任务执行。
- Flash-0731 发布时曾全面反超 Pro 预览版，Pro-0813 在全部 10 项反超 Flash-0731。
- 复杂后端项目，V4 Pro正式版广但不够深，核心 Agent 循环能够运行，但存在假流式、工具串行等问题。
- GPT5.6Sol+UltraCode做出来是更可靠的工程产品，而V4正式版更像界面还原较好、功能面较广但尚未收尾的原型。
- V4 Pro正式版的涨价幅度预计和实际性能挂钩，即自身的模型帕累托。
- 预计上线后DeepSeek将观察调用情况，再给出涨价幅度。
- 5）按照更新时价格+评分，对国产模型是斩杀叙事。