DeepSeek V4 Pro: Внезапный релиз ранним утром — бенчмарки Agent за ночь догнали Claude Fable 5, стоимость входа для флагманских агентов упала до копеек

Автор: Клод, TechFlow

Введение от TechFlow: Ранним утром 13 августа DeepSeek без предупреждения выпустила официальную версию V4 Pro: под тем же именем API возможности агента прыгнули от «практически не конкурентоспособно» в превью-версии до уровня, вплотную приближающегося к флагману Anthropic Claude Fable 5, в некоторых рейтингах даже превзойдя его. Еще более впечатляющая цена — составляет лишь малую долю от стоимости зарубежных моделей аналогичного уровня. Для разработчиков и AI-предпринимателей вступительный взнос за флагманские интеллектуальные агенты снова пробит. Единственная проблема в том, что официальное объявление о повышении цен уже опубликовано.

Ранним утром сегодня официальный сайт DeepSeek тихо обновился, версия модели DeepSeek-V4-Pro обновлена до официальной версии 0813, разработчикам не нужно менять код, вызов deepseek-v4-pro теперь использует новейшую модель. Новая модель поддерживает контекст в 1 миллион токенов и вывод до 384 тысяч токенов, режим мышления включен по умолчанию, и совместима с форматами API OpenAI, Anthropic и Responses, основные инструменты агентов, такие как Codex, Claude Code, OpenCode, могут подключаться напрямую. Новость одновременно возглавила главную страницу Hacker News (более 700 лайков) и горячий список Zhihu (более 20 миллионов просмотров), став самой обсуждаемой темой сегодня в китайском и англоязычном AI-сообществе.

Утреннее внезапное обновление: под тем же именем API то, что вчера не работало, сегодня работает

Ядром этого обновления являются возможности агентов. Согласно официальным оценкам, балл официальной версии V4 Pro в собственном бенчмарке инженерии ПО DeepSWE вырос с 12,8 в превью-версии до 62,7; NL2Repo для генерации репозиториев кода из естественного языка вырос с 38,5 до 61,5; сложный поднабор полнофункциональной разработки DSBench-Hard удвоился до 67,2.

По словам одного отечественного технологического СМИ после реального тестирования: «Под тем же именем API то, что вчера практически не работало, сегодня может конкурировать с код-агентами первого эшелона globally». В реальном тестировании ifanr,面对 «собрать недавние технологические новости и сделать главную страницу в стиле традиционных СМИ» такие размытые инструкции, V4 Pro может самостоятельно разбивать требования, выполнять пошагово, степень завершения довольно высокая. На Hacker News разработчики также выложили счета из реальной практики: запустили на нем целый день симуляцию трафика и оптимизацию распределенного физического движка, 2 миллиарда токенов стоили около 12,5 долларов, «обнаружили значительное улучшение производительности без внесения каких-либо новых проблем».

Превосходство в безопасности над Fable 5, но лидерство в open-source еще не его

По официальным данным, V4 Pro получил 83,3 балла в бенчмарке безопасности AI Cybergym, превзойдя 83,1 у Claude Fable 5; в бенчмарке агентов рабочих процессов AutomationBench также достигнуто превосходство; в сложном推理 HLE (с включенными инструментами) получен 60,0, уступая только 63,0 у Fable 5; в операциях терминала Terminal Bench 2.1 получено 87,9, выше чем 85,0 у Claude Opus 4,8.

Но нужно охладить пыл двумя моментами. Во-первых, между ним и Kimi K3 от Moonshot AI все еще есть небольшое отставание (87,9 против 88,3 в Terminal Bench 2.1), лидерское кресло в мире open-source еще не сменило владельца. Во-вторых, данные третьих сторон не так оптимистичны, как официальные: OpenRouter, ссылаясь на综合智能指数 от Artificial Analysis, поставил ему 45,3 балла, «лучше 70% моделей», что расходится с официальным нарративом «догнал Fable 5». Официальные баллы получены в рамках собственного фреймворка Harness, независимая проверка еще требует времени.

3 юаня против 10 долларов, «дробное ценообразование» флагманского агента

Что действительно неудобно для конкурентов, так это цена. Официальная версия V4 Pro сохраняет цены превью-версии: ввод с попаданием в кэш 0,025 юаня за миллион токенов, ввод без попадания 3 юаня, вывод 6 юаней. Для сравнения, цена API Kimi K3 составляет 3 доллара за ввод, 15 долларов за вывод; Claude Fable 5 — 10 долларов за ввод, 50 долларов за вывод. Даже учитывая разницу в валютах, DeepSeek составляет лишь малую долю от зарубежных моделей аналогичного уровня.

Данные OpenRouter показывают, что из-за того, что процент попаданий в кэш достигает 86%, взвешенная цена ввода, фактически уплаченная пользователями,低至 0,064 доллара за миллион токенов. Используя старую фразу из местного круга: порядок DeepSeek по-прежнему «те, кто сильнее меня, не дешевле меня; те, кто дешевле меня, не сильнее меня».

Объявление о повышении цен уже вывешено, вывод API «сухой стиль» подвергся критике

Дешевизна, возможно, имеет срок годности. DeepSeek 6 августа уже объявила, что «в ближайшее время цены на API будут повышены в целом, рост значительный», и планирует ввести тарифы пик/off-peak: в пиковые часы пекинского времени ежедневно с 9 до 12 и с 14 до 18, ввод V4 Pro без попадания в кэш вырастет с 3 юаней до 6 юаней, вывод с 6 юаней до 12 юаней, прямо вдвое. С момента выпуска официальной версии цена еще не менялась, что оставляет разработчикам понятное окно возможностей. Другая对冲ированная информация заключается в том, что DeepSeek обещала при выпуске превью-версии, во второй половине года после массового выхода суперузлов Ascend 950 цена Pro значительно снизится. Разрыв между повышением и понижением зависит от графика поставки отечественных вычислительных мощностей.

Кроме того, разработчики на X сообщили, что существует заметная разница в производительности цепочки мышления между веб-версией V4 Pro и вызовами API, вывод API «читается сухо, порядок слов странный», DeepSeek еще не ответила. Командам, полагающимся на API для создания продуктов, стоит самостоятельно протестировать перед запуском.

После коллапса затрат на флагманский агент, следующий пункт назначения — Harness

Поместите это событие в более широкую картину:

На этой неделе исследование «кража следов推理 из API закрытых моделей» только что вызвало волну обсуждений, указано, что в ров推理 закрытых производителей появились трещины. Теперь DeepSeek использует «дробную цену плюс баллы первого эшелона» чтобы доказать, что разрыв в возможностях также сглаживается. Оставшееся право на ценообразование у закрытых флагманов еще немного ослабло.

Для AI-прикладных предпринимателей и инвесторов,关注ующих цепочку вычислительных мощностей, более值得的 зацепка спрятана в официальной документации. DeepSeek revealed в логе обновлений V4 Flash, ее фреймворк запуска агентов DeepSeek Harness скоро будет выпущен, набор персонала и официальный аккаунт уже готовы. Консенсус отрасли в том, что когда возможности推理 модели приближаются к потолку, определяющим предел агента станет «офисная система» типа Harness. Модель уже на месте, если фреймворк будет реализован, следующий момент DeepSeek не за горами.