大家好，我是晚安code。
8 月 12 日深夜，DeepSeek V4 Pro 悄悄转正了。没有发布会，没有预告，你打开定价页才发现模型版本号已经变成 DeepSeek-V4-Pro-0813。同一晚，马斯克的 Grok 4.6 也在抢头条，两件事撞车，被媒体戏称为「梁文锋对垒马斯克」。
这篇评测我打算从价格、能力、跑分可信度三个角度，把 V4 Pro 正式版拆开讲清楚，最后给你一句实在话：现在到底该不该切。收藏备用，下面开始。
一、官宣得很低调：更新个定价页就算发布了
DeepSeek V4 Pro 这次转正，走的是「静默上线」路线——官方没开发布会，只在 8 月 12 日深夜更新了 API 文档和定价页，调用模型名 deepseek-v4-pro 保持不变。老用户什么都不用改，后端已经悄悄换成了新版。
这也是 V4 系列的最后一块拼图。7 月 31 日 V4 Flash 刚转正，这次轮到 Pro。接口上和 Flash 完全对齐：OpenAI 格式和 Anthropic 格式两套 API 都支持，Responses API、Tool Calls、JSON Output、Codex 接入也都在。（2026 年 8 月 12 日上线，以官方文档为准）
二、先算价格账：输出 6 元，只有 Fable 5 的六十分之一
价格，是这次 V4 Pro 正式版最锋利的武器。官方定价按每百万 token 算：
| 计费项 | V4 Pro 正式版 | V4 Flash 正式版 |
|---|---|---|
| 输入（缓存未命中） | 3 元 | 1 元 |
| 输入（缓存命中） | 0.025 元 | 0.02 元 |
| 输出 | 6 元 | 2 元 |
| 并发限制 | 500 | 2500 |
放海外一比，差距更夸张：Fable 5 输出约 360 元/百万 token，V4 Pro 的 6 元正好是它的六十分之一；对比 Opus 5（约 180 元）是三十分之一。
缓存命中：同一段提示词反复请求时，系统直接复用之前算好的结果，不用重新推理，所以便宜到 0.025 元/百万 token。你可以理解为「熟人生意，打个折」。
我按自己最日常的场景算过一笔账：每天把几百段代码丢给模型做 review，假设一天烧 20 万输出 token，用 Fable 5 要 72 元，换成 V4 Pro 只要 1.2 元——一个月就差两千多块，一年差出一辆二手电驴。
但这里有个坑要说：官方已经在定价页挂出预告，「计划近期整体上调 API 服务定价，预计涨幅较大」，还预告了峰谷计费，高峰期（9:00-12:00、14:00-18:00）价格直接翻倍，V4 Pro 高峰输出会到 12 元。所以现在的低价，大概率是上线初期的「临时价格战」——像楼下面馆开业首周买一送一，等客流量上来，价格就回去了。
三、能力：1M 上下文 + 384K 输出，Agent 是重头
能力上，1M 上下文和 Agent 增强是这次实打实的两个升级点。
上下文窗口：模型一次能「记住」多少内容，单位是 token。V4 Pro 支持 100 万 token 上下文，最大输出 384K token——相当于一次读完一本近百万字的长篇小说，再让它一口气写满三分之一本。实际价值是：大型代码仓库、整本技术文档可以直接整个塞进去，省掉以前切块、上 RAG 的中间步骤。
另一个重点是 Agent。
Agent（智能体）：大模型不只会回答，还能自己规划步骤、调用工具、一步步完成任务。你可以理解为「雇了个能自己动手的小助理，而不是只会动嘴的顾问」。
这次正式版被媒体点名的核心升级就是 Agent。第三方机构 SemiAnalysis 的测试显示，V4 Pro 和 Flash 在 Agent 相关测试中甩开了参数量更大的英伟达 Nemotron 3 Ultra。而且因为兼容 Anthropic API 格式，Claude Code 这类工具理论上改一行 base_url 就能接上 DeepSeek 后端，社区已经有人在这么干了。
四、跑分：直逼 Fable 5，但三个槽点要看清
跑分数字，一半是真相，一半是营销。官方公布的对比表（注意：全为 DeepSeek 自报，未经第三方验证）：
| 基准测试 | V4 Pro 0813 | Fable 5 | Opus 4.8 |
|---|---|---|---|
| Terminal Bench 2.1 | 87.9 | 88.0 | 85.0 |
| CyberGym（AI 安全） | 83.3 | 83.1 | 78.3 |
| DeepSWE（软件工程） | 62.7 | 70.0 | 58.0 |
三个亮点：Terminal Bench 2.1 只差 Fable 5 0.1 分；DeepSWE 从预览版的 12.8 一路涨到 62.7，翻了近 5 倍，还反超了 Opus 4.8；CyberGym 直接反超 Fable 5。官方还公布了 AutomationBench、HLE、DSBench 等更多指标，整体趋势接近，个别项反超。
三个槽点我也得说清楚：
- 跑分全是 DeepSeek 自家 harness 测的，目前没有第三方完整复现；
- DSBench 系列属于「自家考题」，题目和验证器都没公开，公允性存疑；
- 社区有反馈：长时间连续执行时，会出现提前停止、反复思考、任务质量不稳定的情况。
所以「逼近 Fable 5」这句话，我建议你打八折听——价格是白纸黑字骗不了人，能力就得自己上手验。
可能有人会问：跑分都是 DeepSeek 自己测的，那到底该不该信？
别全信，也别全不信。价格看定价页就行，能力就用下面的接口自己跑几个真实任务。我的习惯是先拿它跑一周我自己项目的真实任务，再决定要不要上生产。
想自己复现？官方接口就能测（模型名 deepseek-v4-pro）：
curl https://api.deepseek.com/v1/chat/completions \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-pro",
"messages": [
{"role": "user", "content": "列出 10 个 TODO 型 API 的错误处理最佳实践"}
]
}'
五、结论：谁该切，谁再等等
我的结论一句话：预算敏感、能接受自测的团队，现在就能切——先把低风险调用切过去，别一天内把全部生产流量压上去。V4 Pro 这次赢在价格和性价比，不是赢在「全面碾压 Fable 5」。
我是晚安code，持续分享编程干货。觉得有用的话记得点赞收藏和关注~也欢迎在评论区聊聊：你打算什么时候把生产流量切到 DeepSeek V4 Pro，还是先观望等第三方跑分？
