DeepSeek-V4-Pro-0813 全面解析：1.6T 旗舰正式版，Agent 跑分翻倍、峰谷定价后还划算吗

一句话总结：DeepSeek-V4-Pro-0813 是 4 月预览版转正的旗舰，架构没动、后训练重做，DeepSWE 从 12.8 分跳到 62.7 分，权重照旧 MIT 开源，但 8 月那次峰谷调价让实际成本涨到了原来的 2.3 到 4.5 倍。

2026 年 8 月 13 日，DeepSeek 把挂了将近四个月的 V4-Pro 预览版转成了正式版，版本号定为 0813。同一份 API 文档更新里，还顺手宣布了峰谷定价，新价格 8 月 17 日生效。当时用的人第一反应都差不多：模型变强了，账单也变厚了。

两个月后的 10 月 17 日，DeepSeek 又放出 V4.1-Flash-1017 快照，官方口径里说这个新 Flash 已经超过了 V4 Pro。那 0813 这个正牌旗舰现在处于什么位置、还值不值得为它多花钱，这篇文章把参数、跑分、价格和接入方式一次说清。

从预览版到正式版：这四个月改了什么

先把时间线捋一遍。4 月 24 日，V4-Pro 以预览版身份上线；8 月 12 日晚间，官网 API 文档悄悄更新出 0813 版本；8 月 13 日正式官宣，同时预告调价；8 月 14 日，国家超算互联网宣布上线正式版和智能体框架 DeepSeek Harness。

有意思的地方在于官方自己承认：模型结构没变。0813 和 4 月预览版共用同一套架构和参数规模，变化出在后训练阶段，Agent 相关的训练数据和策略做了针对性改造，另外挂了一个 DSpark 投机解码模块来提推理效率。

这点我觉得挺难得。很多厂商发「正式版」喜欢把架构升级当卖点一起讲，DeepSeek 反而把话说得很直白：DeepSWE 那个接近四倍的跳升，就是后训练的功劳，跟架构没关系。你可以说这是诚意，也可以说预览版当时确实拉胯，两头都占一点。

核心参数：1.6T 里每次只用 490 亿

长上下文是这套架构真正下功夫的地方。官方叫混合注意力，两块拼起来：压缩稀疏注意力（CSA）加高度压缩注意力（HCA）。效果按模型卡的说法，1M 上下文下单 token 算力约为 V3.2 架构的 27%，KV Cache 需求只占 10%。

翻译成人话：上下文拉到 1M 的时候，这台模型的服务成本不会像上一代那样爆炸。这对两类人意义重大，一是 API 用户（缓存命中便宜），二是想自己部署的团队。总参数 1.6T 听着吓人，但每次推理只激活 49B，配合 FP4 精度，单机多卡堆一堆不是完全碰不起，虽然也绝对不算便宜。

有一点得说清楚：参数规模各来源有点出入。TrueFoundry 的技术博客写 1.7T，官方模型卡和百度百科、百度智能云都写 1.6T，我按多数口径取 1.6T，这个 0.1T 的差异不影响任何使用决策。

跑分：Agent 能力是真的跳了一截

图 1：四个 Agent 基准的预览版（4 月）与正式版（8 月）对比，数据来自 DeepSeek 模型卡

DeepSWE 这行值得单独说。12.8 分是什么概念？基本等于模型面对一个多步骤代码任务时只会瞎猜，改两下就崩。62.7 分才算真正进了牌桌，跟主流 Agent 产品有了比较的资格。对照组也有：V4-Flash 正式版（7 月 31 日）在 DeepSWE 上是 54.4，Pro 比 Flash 高出约 8 个百分点。

SWE-bench Verified 拿到 96.4%，这个数字有两个口径：官方语境说开源权重第一，第三方 Vals AI 的榜单把它排在 82 个模型的第 2 位。差别大概率出在评测 harness 上，两个都列出来，你自己掂量。

还有个细节不能略过：官方跑分用的是 DeepSeek Harness 极简模式，推理努力级别拉满（max），采样参数 temperature=1.0、top_p=0.95。换句话说，这是「开足马力」的成绩。你日常用低档位去跑，复现不出这个数。老实讲，Agent 类跑分里 harness 的影响经常比模型本身还大，看个趋势就好，别当承诺。

价格：峰谷定价之后，账要重新算

8 月 13 日官宣调价，The Information 9 月底的报道说，这轮涨价让客户的实际成本涨到了之前的 2.3 到 4.5 倍。梁文锋在投资者会议上的回应是：涨价没有导致客户数量下降，需求依然在，而且这个价格在主流大模型里仍属低位。这两句话都对，也都不完整——单价确实还是便宜的，但对比 7 月之前的老用户，心理落差是实打实的。

缓存命中还有一档，第三方聚合站给的数字是每百万 token $0.003625，不过同一个站点给的常规输入价（$0.435）跟官方峰谷价（$0.66~1.32）对不上，这个口径我没能核实到官方原文，存疑，你以 API 控制台里的实时价格为准。

想省钱的路径倒是清楚的：谷时跑批任务、能命中缓存就命中缓存、思考档位用低档。这三招叠下来，跟峰值裸调的差距能差出一倍多。

怎么接入：三套协议、现成工具和自托管

API 侧按百度智能云的调用示例，模型名传 DeepSeek-V4-Pro-0813。协议支持三套：OpenAI Chat Completions、OpenAI Responses，以及 Anthropic 协议。这意味着 Codex 和 Claude Code 这类主流编程工具基本是即插即用，改个 base_uRL 和模型名就能切过去，具体这些工具怎么选可以看我们之前的海外 AI 编程工具横评。

不想花 API 钱的也有去处。国家超算互联网 8 月 14 日就上线了正式版，连 DeepSeek Harness 智能体框架一起提供。自己有算力的团队，Hugging Face 上 deepseek-ai/DeepSeek-V4-Pro-0813 直接下权重，MIT 许可，商用不用谈。

自托管要掂量的是门槛：1.6T 总参数就算只激活 49B，FP4+FP8 混合精度的部署也不是消费级显卡能碰的。好在 CSA+HCA 把长上下文的算力和显存需求压到了 V3.2 的 27% 和 10%，如果你跑的是长文档批量处理，这笔账比上一代好算很多。

V4 家族现在怎么选

图 2：三款在售 V4 模型的选型路径，价格为 2026 年 10 月口径

我的看法没变过：大多数人用 V4.1-Flash-1017 就够了，输入价只有 Pro 谷时价的四分之一不到，那个版本的细节我们写过一篇专门的拆解。Pro 的价值集中在两处，一是复杂 Agent 任务的成功率上限，二是 MIT 权重给自托管和二次开发留的口子。这两条你都不沾，多花的钱就是白花。

优势与短板

优势说得清：Agent 和代码能力是 V4 家族天花板；1M 上下文的服务成本被架构压下来了；MIT 许可在旗舰模型里几乎独一份；三套 API 协议兼容现成工具链。

短板也别藏着。第一，它不认图，官方模型页和百度智能云文档都标注纯文本输入，不过百度百科的词条里写了「正式版首次原生支持图像推理」，两边冲突，我按官方 API 文档的口径来，这条你以自己实测为准。第二，并发上限 500，大流量场景要提前申请。第三，峰谷定价后成本涨了 2.3 到 4.5 倍，虽然横向比较仍属低价，但环比是实打实的贵了。第四，跑分是官方自报，harness 和参数都开到最满，第三方复测的数字普遍要打些折扣。

常见问题

DeepSeek-V4-Pro-0813 免费吗？

模型本身收费，走峰谷定价。但国家超算互联网提供线上调用入口，Hugging Face 权重免费下载，自己有卡的话只付电费和运维。

V4-Pro-0813 和 V4.1-Flash-1017 选哪个？

高频、预算敏感选 Flash；重代码 Agent、要自托管选 Pro。拿不准就 Flash 起步，遇到瓶颈再切，协议一样，改个模型名的事。

它支持看图吗？

官方文档口径是纯文本。个别资料写了支持图像推理，两说冲突，建议以你调用时的实际返回为准。

API 模型名填什么？

DeepSeek-V4-Pro-0813。部分第三方文档提到沿用旧名 deepseek-v4-pro 也能调到正式版，这个我没验证，保险起见用带日期的新名。

涨价后还有什么省钱的用法？

谷时跑批、缓存命中、低档思考，三个叠起来。再不够就降到 Flash 系列，能力换成本，看你的任务吃不吃得消。

结语

DeepSeek-V4-Pro-0813 是一次「补课式」的正式发布：架构原地踏步，后训练把 Agent 短板补齐，开源的诚意还在，涨价也是明着涨。放到 10 月的现在看，它的处境有点微妙——官方嘴里的后辈 V4.1-Flash 已经宣布超越了它。但跑分归跑分，Pro 的 1.6T 参数量和 MIT 权重摆在那，需要上限和需要自主权的团队，短期内找不到更好的替代。普通用户和它保持距离，把预算留给 Flash，是更划算的选法。