思维怪怪(@0xLogicrw):DeepSeek-V4-Pro-0813 的 Agent 成绩大幅跃升。 DeepSeek 官方流出的自测表显示，DeepSWE 从 Preview 版的 12.8 飙到 62.7，一次涨了 49.9 分。CyberGym 也从 52.7 升到 83.3，AutomationBench 从 12.8 升到 31.8。新版已经在多项评测反超 Claude Opus 4.8。Terminal Bench 2.1 达到 87.9 对 85.0，CyberGym 为 83.3 对 78.3，DeepSWE 为 62.7 对 58.0。AutomationBench 甚至以 31.8 超过 Fable 5 的 29.1。离谱的是，模型从 Preview 升到 0813，价格一分钱没涨。V4-Pro API 仍维持每百万 Token 输入 3 元、输出 6 元。你梁圣永远是你梁圣！不过这批成绩目前还是 DeepSeek 自测，第三方尚未完整复现。尤其 DeepSWE 一次暴涨近 50 分，Agent 评测又很依赖 Harness，实际提升还要等外部测试。

2026.08.13 03:03

DeepSeek-V4-Pro-0813 的 Agent 成绩大幅跃升。 DeepSeek 官方流出的自测表显示，DeepSWE 从 Preview 版的 12.8 飙到 62.7，一次涨了 49.9 分。CyberGym 也从 52.7 升到 83.3，AutomationBench 从 12.8 升到 31.8。新版已经在多项评测反超 Claude Opus 4.8。Terminal Bench 2.1 达到 87.9 对 85.0，CyberGym 为 83.3 对 78.3，DeepSWE 为 62.7 对 58.0。AutomationBench 甚至以 31.8 超过 Fable 5 的 29.1。离谱的是，模型从 Preview 升到 0813，价格一分钱没涨。V4-Pro API 仍维持每百万 Token 输入 3 元、输出 6 元。你梁圣永远是你梁圣！不过这批成绩目前还是 DeepSeek 自测，第三方尚未完整复现。尤其 DeepSWE 一次暴涨近 50 分，Agent 评测又很依赖 Harness，实际提升还要等外部测试。

思维怪怪@0xLogicrw

2026.08.12 15:38

DeepSeek-V4-Pro 正式版可能已经开始切换。DeepSeek 官方 API 文档悄悄把模型版本从原来的 DeepSeek-V4-Pro 改成 DeepSeek-V4-Pro-0813。调用名称仍是 `deepseek-v4-pro`，上下文为 1M，最大输出 384K，Responses API 现在也已经标为支持。