Max For AI(@MaxForAI):🚨突发！DeepSeek V4.1 Pro疑似已经开始灰度，实测能力暴涨！昨天DeepSeek服务突然中断，恢复之后，陆续有不少用户反馈V4 Pro的使用体验出现了明显变化。我在LobeHub的私有评测集LobeBench Hard 50上，也检测到了非常明显的能力提升。目前DeepSeek官网的V4 Pro，已经大幅超越此前的0813版本。看下具体的成绩：当前V4 Pro：64%，50道题通过32道，排名国产第一。 V4 Pro 0813：48%，50道题通过24道，排名第13。直接提升了16个百分点，足足多通过了8道Hard级别的任务。如果只看三次尝试中至少成功一次的比例，两个版本分别是82%和80%，差距其实很小。真正拉开差距的是连续三次成功完成任务的能力。顺道解释一下我们 @lobehub 这套私有评测主要考察模型在真实复杂Agent场景下，理解任务、调用工具、持续执行并最终完成工作的能力。这次成绩变化，意味着当前版本在复杂任务上的执行稳定性有了非常明显的提升。从实测结果来看，当前V4 Pro的能力确实已经发生了明显变化。

2026.11.07 23:30

🚨突发！DeepSeek V4.1 Pro疑似已经开始灰度，实测能力暴涨！昨天DeepSeek服务突然中断，恢复之后，陆续有不少用户反馈V4 Pro的使用体验出现了明显变化。我在LobeHub的私有评测集LobeBench Hard 50上，也检测到了非常明显的能力提升。目前DeepSeek官网的V4 Pro，已经大幅超越此前的0813版本。看下具体的成绩：当前V4 Pro：64%，50道题通过32道，排名国产第一。 V4 Pro 0813：48%，50道题通过24道，排名第13。直接提升了16个百分点，足足多通过了8道Hard级别的任务。如果只看三次尝试中至少成功一次的比例，两个版本分别是82%和80%，差距其实很小。真正拉开差距的是连续三次成功完成任务的能力。顺道解释一下我们 @lobehub 这套私有评测主要考察模型在真实复杂Agent场景下，理解任务、调用工具、持续执行并最终完成工作的能力。这次成绩变化，意味着当前版本在复杂任务上的执行稳定性有了非常明显的提升。从实测结果来看，当前V4 Pro的能力确实已经发生了明显变化。