ChatBench：DeepSeek V4 Pro (high) 任务分榜与规格聚合

一句话结论

ChatBench 聚合页显示 V4 Pro (high) 的代码分榜最好（Coding #22 · 76.9），Agent 类中游（Agent tasks #38 · 60.9），Browser/Computer use 明显靠后（#57/#58）——同一模型在不同任务类型的排名差异是选型的关键依据。

适用场景

• 适合的任务：快速浏览 V4-Pro 在 coding/agent/browser/instruction-following 等任务分榜上的相对位置；与 AA 原始页交叉核对价格、速度与规格；判断“Pro 适合代码与常规文本任务、不适合浏览器/计算机自动化类任务”。

• 不适合的任务：把任务分榜分数当绝对成功率；把 2026-08-12 快照当最新数据；把 ChatBench 当作独立实测（它尚无自有评分）。

• 适用的模型版本：DeepSeek V4 Pro (high)——页面关联的 AA 快照为 2026-04-24 发布版本（非 0813 GA，见边界）。

• 适用的客户端、Agent 或 API：AA 榜单对应 API 服务；价格列示为旧价格（见下）。

• 推荐的推理档位和参数：本页对应 AA 的 high 档（页面标题 “(high)”）；与 06 号文档的 max 档数据（Index 53）相比，档位不同、数值不可直接混用。

测试环境

• 数据来源：Artificial Analysis LLM Leaderboard 公开榜单（页面明示），检索于 2026-08-12 16:00 GMT+8；ChatBench 自有评测 0 项、第三方评分 12 项。

• 规格：DeepSeek 家族；1.6T 参数；1M 上下文；2026-04-24 发布；开源权重；工具支持；未列视觉/音频/视频。

• 价格与速度（快照值）：输入 $0.43/1M、输出 $0.87/1M、混合 $0.18/1M（2026-08-16 调价前旧价）；速度 68.4 tok/s；首延迟 1.75s；总响应 38.17s。

• 分榜排名与得分：Coding #22 · 76.9；Agent tasks #38 · 60.9；Blog writing #39 · 74.0；Trivia knowledge #39 · 72.8；Retrieval #38 · 69.0；Instruction following #38 · 67.6；Browser use #57 · 61.8；Computer use #58 · 58.9；Speed #29 · 49.2；Open source #6 · 68.6。

• 待办评测（PENDING）：Airwolf 角色/台词召回、工具错误后重试微任务、基于上下文的引用抽取——这些项目 ChatBench 尚未出分。

原始证据与数据

• 页面注明 “DeepSeek V4 Pro (high) is tracked from the live Artificial Analysis public leaderboard with ChatBench-normalized intelligence, coding, agentic, price, latency, speed, and context metadata”。

• “EVAL EVIDENCE”区明确标注唯一 PASS 项为 “Artificial Analysis public leaderboard ingestion”，并提示数据带 raw-value provenance；其余 3 项为 PENDING，未计入结论。

• 分榜数值与 06 号文档的 AA 页面口径不同（该页为 max effort、0813；本页为 high、旧快照），二者差异来自版本与档位，不是同一份数据的两处抄写。

适用边界

• 快照日期 2026-08-12 早于 V4-Pro-0813 GA（08-13）与调价（08-16）：分榜对应的是 4 月预览版或旧快照，价格是旧价（$0.43/$0.87）；选型请以 AA 实时页与官方定价页为准。

• 分榜排名来自 AA 归一化数据，样本与权重由 AA 控制，未完全公开；ChatBench 自身没有自有评测，无法独立复现这些分数。

• “high”档仅代表 AA 对该配置的命名；与官方 high 的语义可能不同，接入时以官方 API 参数为准。

• Browser/Computer use 排名靠后是方向性证据（文本-only 模型在此类任务上的常见表现），但具体数值受 AA harness 影响。

来源摘录或观察（仅做合规短引）

页面原文（EVAL EVIDENCE）：PASS 项为 “Artificial Analysis public leaderboard ingestion — Imports public intelligence, price, speed, latency, and response-time metrics with raw-value provenance.”