DeepSeek-V4-Pro 官方发布：Reasoning 与 Agent 能力升级

一句话结论

DeepSeek 的 GA 公告明确把 V4-Pro 定位为生产 Agent 模型：支持可调 reasoning effort、Responses API 与 Codex，但公告没有公开可复核分数，不能把“major upgrades”当作胜率。

适用场景

• 适合的任务：日常编码 Agent、复杂工具调用、Codex 集成和需要按成本调节推理深度的 API 工作流。

• 不适合的任务：只凭发布公告选择模型或把 Pro 的宣传定位当作独立测评结果。

• 适用的模型版本：DeepSeek-V4-Pro GA；公告说明模型名保持不变，API 仍按文档配置。

• 适用的客户端、Agent 或 API：DeepSeek app/web 的 Expert Mode、DeepSeek API、Responses API、Codex。

• 推荐的推理档位和参数：官方建议 low 用于简单任务、high 用于日常 Agent、max 用于复杂任务；应在自有 eval 中核实。

测试环境

• 模型/版本：DeepSeek-V4-Pro GA（公告日期 2026-08-13）。

• 工具与运行环境：API、app/web Expert Mode、Codex/Responses API；公告未提供统一 benchmark harness。

• 输入/评测方式：官方发布说明和配置能力公告，不是题目级测评。

输入/配置

公告公开的配置差异是 reasoning effort：low、high、max；同时宣布原生 Responses API 支持和 Codex 一键配置。未公开 prompt、温度、运行次数、评分器或每项基准输入。

结果数据

结论

公告的可操作信息不是一个分数，而是一个成本/质量工作流：用 low/high/max 适配任务，优先 Responses API 和 Codex harness，并将 peak/off-peak 调度纳入预算。质量结论需要结合 MindStudio 的任务数据和自身复现。

局限与复现步骤

• 局限：公告没有公开题目级 benchmark、harness、模型快照、token 或延迟数据；“生产收益”是厂商表述。

• 复现步骤：固定 GA API endpoint 和请求日期；按简单 Agent/复杂 Agent 三类任务分别运行 low/high/max；记录成功率、工具错误、延迟、输入/输出/推理 token、峰谷价格，并与 V4-Flash 做同一任务对照。

• 价格边界：峰谷价格与生效时间属于时变信息，部署前重新查官方价格页，不从公告中的“50%”推断具体金额。

原始证据与数据

公告原文提供 V4-Pro GA、reasoning effort、Responses/Codex、Expert Mode 和峰谷价格说明；本文没有补写公告未展示的分数或参数。

适用边界

• low/high/max 是官方推荐场景，不等于各档位的固定 token 上限或质量保证。

• “模型名保持不变”只说明 API 名称兼容，不代表 preview 与 GA 行为完全相同；复现必须记录日期和返回模型信息。

• 高风险工具操作仍需外部权限、日志和人工复核。

来源摘录或观察（仅做合规短引）

公告把 V4-Pro 形容为 “Major Agent upgrades with strong production gains”，但没有给出分数；本文将该句保留为厂商定位而非测评结论。