DeepSeek V4 Pro 正式上线，先锁版本再看跑分

今天上午，DeepSeek 没发新博客，官方更新日志也没有多出一行。

但它的模型与价格页里，有个格子悄悄变了。

deepseek-v4-pro 对应的实际版本，已经写成 DeepSeek-V4-Pro-0813。

OpenRouter 同步上线了这个快照，并直接把它标成 DeepSeek V4 Pro 的 GA 正式版。页面显示请求由 DeepSeek 单一供应商直接承接，不是拿别家的模型套了个名字。

好家伙，等了几个月的 V4 Pro 正式版，就这么静悄悄地来了。

没有发布会，没有铺天盖地的跑分海报。甚至截至我核对时，DeepSeek 的官方 changelog还停在 7 月 31 日，结尾仍然写着 V4 Pro 正式版稍后推出。

所以这篇不准备再抄一遍通稿。眼下根本没有一份新的官方 0813 跑分表可抄，硬写谁碾压谁，多少有点替官方做梦。

我更想聊一个容易被热闹盖住的问题。

API 一行没改，生产环境里的模型已经换了。

这件事，比榜单上的小数点更值得工程团队现在就处理。

正式版来了，调用方式却像什么都没发生

4 月 24 日，DeepSeek 发布的是 V4 预览版。当时已经给出 Pro 和 Flash 两个型号，Pro 是 1.6T 总参数、49B 激活参数的旗舰版本，Flash 更轻、更快，也更便宜。

DeepSeek V4 Pro 与 Flash 的官方规格对比

7 月 31 日，V4 Flash 先完成了正式版更新。现在轮到 Pro，快照号是 0813。

真正有意思的地方在调用层。

你不需要把 model 从旧名字改成新名字。代码里继续写 deepseek-v4-pro，base_url 继续用原来的地址，请求就会落到 0813。

对个人开发者，这当然很舒服。配置不用迁，SDK 不用升，连环境变量都懒得动一下。

对生产系统，舒服里藏着一根小刺。

昨天和今天发送完全相同的 prompt，使用完全相同的模型名，背后的权重和后训练版本却可能不同。输出质量变好是变化，工具参数多了一个字段、JSON 偶尔换种写法、推理时延抖了一下，同样是变化。

很多 Agent 的故障并不会优雅地告诉你「模型升级导致」。它只会在日志里留下一串很没礼貌的东西。

tool schema mismatch

max retries exceeded

invalid json

然后值班的人开始查 SDK、查网络、查刚合进去的三行代码，查到午饭凉了，顺着日志排到头才发现上游模型已经换过一轮。

这事儿我太熟悉了。给 AI 搭脚手架，最怕的不是模型会变，模型当然会变。怕的是系统把变化伪装成没变化。

别名很好用，但别名不是版本。

1M 上下文还在，正式版真正补齐的是 Agent 入口

先把目前能确认的东西压缩一下。

按 DeepSeek 当前官方页面，V4 Pro 0813 支持 1M 上下文，最大输出 384K，同时支持思考和非思考模式。JSON 输出、工具调用、Responses API、Anthropic API 都已经打勾。

V4 系列在长序列下的单 token 计算量与 KV 缓存占用

价格眼下是每百万 token 缓存命中输入 0.003625 美元，缓存未命中输入 0.435 美元，输出 0.87 美元，并发上限 500。

数字确实有点子牛逼，尤其是缓存命中价。不过先别急着按当前单价把未来一年的预算表填满。官方已经在同一页写明，近期计划上调 API 整体价格，而且预期涨幅显著，具体方案另行通知。

便宜是真的，价格还没定型也是真的。

比价格更值得 Agent 开发者注意的，是 DeepSeek 已经把 V4 Pro 放进完整的工具链入口。

它的 Codex 接入文档现在同时包含 deepseek-v4-flash 和 deepseek-v4-pro。Codex CLI、桌面端和 VS Code 扩展共用一份配置，底层走 DeepSeek 原生支持的 Responses API。

这不是多挂一个聊天窗口那么简单。

Responses API 面向的是会调用工具、会改文件、会在仓库里连续工作很多轮的 Agent。模型一旦进入这里，评估对象就不能只剩一道算法题答对没有。

你得看它能不能稳定选对工具，补丁能不能套上，命令失败后会不会恢复，长任务跑到第 20 步还能不能记得最初的约束。模型能力只占一半，另一半是 harness，也就是让模型真正干活的那层脚手架。

7 月 31 日的 V4 Flash 公告其实已经给过提示。DeepSeek 当时列出的 Agent 跑分，是在自家的 minimal harness 和 max 推理强度下测的。模型、推理档位、工具协议、重试策略绑在一起，共同决定了那个数字。

所以眼下拿 V4 Pro 0813 跑一次通用聊天测试，然后宣布它已经替代 Claude Code，我觉得太早了。

不是说它不行，而是测试对象都没对齐。

同一辆发动机，装在自行车和四驱车上，百公里成绩没有可比性。AI 圈现在经常只拍发动机铭牌，剩下的车架、轮胎和司机，假装不存在。

生产环境现在该补的，是模型发布工程

如果你的应用只是自己聊天，今天直接用起来就行。不好用就切回 Flash，没什么心理负担。

如果 deepseek-v4-pro 已经接进客服、代码审查、数据分析或自动化 Agent，我建议把它当成一次正式依赖升级，而不是一次无感知的云服务维护。

最小动作，是把实际模型快照写进每次评测和发布记录。

{
  "provider": "deepseek",
  "model_alias": "deepseek-v4-pro",
  "resolved_version": "DeepSeek-V4-Pro-0813",
  "verified_at": "2026-08-13T03:15:00Z",
  "prompt_hash": "...",
  "harness_version": "..."
}

API 如果没有在响应里返回快照号，也至少要记录你最近一次从官方模型页核对到的版本和时间。以后质量曲线突然拐弯，团队还有一根线可以往回追。

接着把黄金集重跑一遍。

黄金集不需要很宏大，就是你线上最怕出错的几十到几百个真实任务，去掉敏感信息后固定下来。工具调用成功率、结构化输出解析率、任务完成率、平均 token、首 token 延迟和总耗时，一起看。

别只比答案分数。

一个代码 Agent 的正确率涨了 3%，但平均多跑 6 轮工具、输出 token 翻倍，最终账单和排队时间可能更难看。一个客服 Agent 文风更自然，却开始偶尔漏掉退款政策里的限制条件，也不能叫升级成功。

然后做小流量 canary，也就是先让极少量真实请求走新模型，观察稳定后再扩大。模型供应商替你把别名切了，你自己的路由层仍然可以保留开关。真出问题时，能不能在几分钟内切到 Flash 或其他供应商，比群里讨论哪个模型更聪明实用得多。

再加一道成本闸门。

官方已经提前说要涨价，那就别等账单跳起来才开会。把每个成功任务的平均输入、输出、缓存命中率和重试次数记下来，按当前价格和涨价情景各算一遍。模型便宜不便宜，不是看价目表的一行数字，要看完成一个真实任务花多少钱。

这一套听起来没跑分刺激，甚至有点像给浪漫的新模型办入职手续。

但生产环境就是这样。简历再漂亮，门禁卡、工位权限、试用期目标和回滚预案，一个都不能少。

我自己的判断是，DeepSeek V4 Pro 0813 真正有杀伤力的地方，不是某张榜单暂时高过谁，而是它把 1M 上下文、原生工具协议、Codex 接入和极低 token 单价装进了同一个可用入口。

这会让很多团队认真考虑把它放进 Agent 的主力路由。

也正因为它足够便宜、足够顺手，版本治理才更不能省。

今天那个悄悄变化的表格单元格，很可能会成为不少生产日志里的一条分界线。分界线之前和之后，代码里的模型名完全相同。

模型发布已经结束了。

你自己的发布，才刚开始。