DeepSeek V4 Pro

深度求索的全部模型 →国内文本模型综合智力第 62 名

便宜、能读长文、会深思的开源模型

查看评测视频查看评测文章

聪明世界#62

编程顶尖

记性1M

便宜$0.87

记性换算成体感：一次能读完《哈利·波特》全七部

DeepSeek V 系列的文本模型 · 按发布时间

共 13 个 · 这里是相邻的 7 个 · 深度求索的全部模型 →

他的房间

电脑

77.6% · SWE-bench Verified · Epoch AI 统一复跑

书架

5 层 · 记忆 1M tokens

黑板

数学与科学推理

日历

知识停在 2025-05

冰箱

支持上下文缓存，能存记忆

敞开的门

开源权重，谁都能进

身世

发布日期: 2026 年 4 月 23 日vercel-gateway
知识截止: 2025-05
参数量: 1.6T
开放权重: 是
开源许可: MIT
上下文窗口: 1M tokens
单次最大输出: 384K
输入价格: $0.43 / 百万 tokens
输出价格: $0.87 / 百万 tokens
模型类型: 文本只读文字、只写文字的对话模型
支持的输入: 文字 → 文字
工具调用: 是
深度思考: 是
提示缓存: 是

战绩

综合智力: 149.1
AIME 数学: 96.7%
GPQA Diamond 科学: 90.9%
ARC-AGI-2 抽象推理: 61.3%
Fiction.liveBench 长文本: 未参评

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

编程战绩（按赛制分列）

SWE-bench Verified77.6%
从真实 GitHub 仓库里挑出的 500 个 issue，看模型能不能提交出通过测试的补丁。业界最通行的编程标尺。这一列由 Epoch AI 用统一脚手架复跑。第三方实测
https://epoch.ai/benchmarks
SWE-bench Verified（转载）80.6%
同样是 SWE-bench Verified，但分数来自厂商系统卡或其他榜单的转载，没有经过 Epoch 的统一复跑。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro
LiveBench 智能体编程42.6%
LiveBench 的智能体编程分项：不是写一段代码，而是像开发者那样多轮改动一个项目。第三方实测
https://livebench.ai/#/?release=2026-06-25
FrontierCode17.6%
Cognition 出的高难度代码题集，面向前沿模型。第三方实测
https://cognition.com/frontiercode
LiveBench 编程分项70.0%
LiveBench 每月换新题以避免污染，这一列是它的编程分项均分。第三方实测
https://livebench.ai/#/?release=2026-06-25
ALE-Bench1006
AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
https://epoch.ai/benchmarks
WebDev Arena1464 Elo
让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

全部成绩（按榜单分列）

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合

综合智力149.1第 62 / 208
Epoch Capabilities Index，把十几项学术评测归并成一个总分。想知道「谁最强」，先看这一栏。第三方实测
https://epoch.ai/benchmarks

数学

FrontierMath45.3%第 49 / 99
由职业数学家出的原创难题，连数学博士都要花几小时甚至几天。分数是解出的比例，能过一成就是前沿水平。第三方实测
https://epoch.ai/frontiermath
FrontierMath 第四层2.4%第 59 / 71
FrontierMath 里最难的一层，研究级别的问题，绝大多数模型接近零分。第三方实测
https://epoch.ai/frontiermath
AIME 数学96.7%第 21 / 191
美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测
https://epoch.ai/benchmarks
ProofBench16.0%第 46 / 79
不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测
https://www.vals.ai/benchmarks/proof_bench

知识与推理

GPQA 科学90.9%第 30 / 197
博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测
https://epoch.ai/benchmarks
ARC-AGI-261.3%第 25 / 108
看几组图形样例找规律的智力题，人类轻松、模型艰难。专门测「没见过的题会不会做」。第三方实测
https://epoch.ai/benchmarks
ARC-AGI（第一代）90.5%第 19 / 107
ARC-AGI 的第一代题库，已被第二代取代。第三方实测
https://arcprize.org/
SimpleQA 事实问答47.0%第 34 / 97
一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测
https://www.kaggle.com/benchmarks/deepmind/simpleqa-verified
CritPt 物理12.9%第 32 / 163
研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
WeirdML48.9%第 60 / 146
一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测
https://htihle.github.io/weirdml.html

智能体

经营售货机$3,285第 43 / 89
Vending-Bench：让模型经营一台虚拟售货机一整年——进货、定价、付租金。分数是最后账上的钱，考的是长期不犯糊涂。第三方实测
https://andonlabs.com/evals/vending-bench
Surface Evolver40.0%第 18 / 30
用一款专业的曲面数值软件完成计算任务，考的是驾驭陌生专业工具的能力。第三方实测
https://yhenon.github.io/surface-evolver-llm-eval/

长文本

CL-bench 生活版13.5%第 8 / 29
CL-bench 的日常生活场景分支。第三方实测

游戏与谜题

国际象棋残局20.0%第 68 / 156
给一个棋局找出最佳着法。分数是解对的比例，随机乱走约 5 分。第三方实测
https://epoch.ai/benchmarks/chess-puzzles
推理游戏谜题17.0%第 54 / 91
Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测
https://epoch.ai/benchmarks

其他

Dtbench90.7%第 32 / 198
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/dtbench
Lmca41.2%第 41 / 183
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/lmca

B 站上的 DeepSeek V4 Pro 实测12 个视频

在 B 站搜「DeepSeek V4 Pro 测评」↗

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。