一句话结论：DeepSeek V4 等得确实久，但从编程表现来看，这次基本配得上这段等待。

DeepSeek 一直不是突然才开始做代码模型的。

早在 V2 阶段，它就单独推出过 V2 Coder。后来到了 V2.5，代码能力逐渐并入主线模型。也就是说，DeepSeek 在编程方向上的积累其实很早，只是过去一段时间，大家更多关注的是它的通用推理、价格和开源影响力。在 V3.2 之前，DeepSeek 的代码基本功一直很稳。尤其在一些偏传统的代码生成榜单里，它的一遍通过率在国产模型里非常靠前。问题出现在 Agent 时代之后。

现在的编程任务已经不只是“写一段函数”或者“补一个接口”了，而是要读项目、理解结构、跨文件修改、跑测试、定位 Bug，甚至连续多轮叠加需求。到了这种复杂工程环境里，V3.2 的优势就没有以前那么明显了。

所以这次 V4 出来之后，真正值得看的不是它会不会写代码，而是它能不能适应现在这种更接近真实开发的 Agent 工况。

这次 V4 分成 Flash 和 Pro 两条线Flash 更像是高速、低价、响应快的实用型模型，体量接近主流中小尺寸模型，适合日常任务和中低难度开发。Pro 则是主打上限的版本，规模更大，推理能力也更强，明显是冲着复杂工程任务来的。从工程编码测试结果看，V4 Pro 的表现基本重新坐回了国产代码模型第一梯队的位置。尤其在 max 档位下，整体表现已经能够压过上一轮表现很强的 GLM-5.1，并且和 Opus 这类顶级模型之间的距离也被明显拉近。更难得的是，V4 Pro 在 high 档位下也能完整跑完 4 个工程任务。这说明它不是只靠最高档硬堆出来的成绩，正常高推理档位已经有比较强的可用性。

我觉得 V4 Pro 在编程上最明显的优势，主要有三个。

第一个是知识覆盖很广。

这次测试里的几个工程，尤其是 C 和 F，并不是单纯考算法或者普通 Web 开发。里面涉及一些比较细的工程知识和平台细节。如果模型知识面不够，很多 Bug 看起来很小，但就是定位不到。比如 macOS 程序里 storyboard 配置不对，窗口就可能无法正常显示。再比如某个项目里 Canvas 配置有问题，导致渲染失败。对于这类问题，V4 Pro 的反应很快，基本不是靠猜，而是能直接往正确方向定位。这一点和 GPT、Opus 这类模型的体验有些接近：它知道很多不那么热门的工程细节，所以遇到边缘问题时，不会轻易卡死。Flash 在常见知识上和 Pro 差距没有想象中大，普通开发任务它也能覆盖。但如果问题比较偏、Bug 比较绕，Flash 就更容易出现“看起来在修，其实没抓住根因”的情况。

第二个优势是长上下文下的稳定性。

现在很多工程测试不是单轮完成，而是一轮一轮叠功能。越到后面，模型越需要重新理解整个项目，找出所有相关文件和历史修改点。这件事对 GPT、Opus 来说比较自然，但对很多国产模型来说其实是门槛。因为上下文一长，就容易幻觉、漏文件、误判旧逻辑，甚至改着改着把前面做好的功能破坏掉。V4 Pro 和 Flash 在 high、max 档位上的表现都比预期稳。尤其是 Pro，到了后几轮再做全局修改时，仍然能比较准确地回到项目结构里，不太容易凭空编造不存在的逻辑。这对真实开发很重要。因为实际项目里，最怕的不是模型写不出代码，而是它自信地改错地方。

第三个优势是编码流程比较规矩。

V4 Pro 在一轮任务里，通常会先读项目、整理思路，再集中修改代码，最后做自测。它不像一些模型那样，边写边想，写到一半又推翻设计，测试没跑完又去改别的地方。这种编码纪律感很重要。很多低级 Bug 其实不是模型能力不够，而是流程混乱导致的。V4 Pro 这次在这方面控制得不错，所以明显减少了那种“看起来很离谱”的错误。

当然，V4 也不是没有问题。

它最大的问题之一，是复杂任务里偶尔会注意力失焦。当项目比较大、要求比较多时，V4 Pro 在 high 档位下有时会漏掉某些实现细节。不是不会做，而是注意力分配不够稳，某些需求被它跳过去了。好在这类问题通常不是硬伤。只要提醒它补一轮，再让它自测一次，基本都能修回来。到了 max 档位，这种漏细节的概率会明显下降，复杂功能一遍过的机会也更高。但要说完全解决，也还没有。即便 max 档位下，偶尔还是会出现一些小遗漏。和 Codex、Opus 这类一线 coding agent 相比，差距也主要体现在这里。顶级模型通常也会犯错，但更少出现这种随机漏需求的问题。它们更多是某个边角场景考虑不够，而不是明显丢掉一块实现。

另一个短板是 Bug 定位方法论还可以更强。

V4 Pro 有知识，也有推理能力，但遇到特别生僻的 Bug 时，它一开始未必会马上采用最好的排查路径。有些场景还是需要人工提醒它加日志、缩小范围、做对照测试。提醒之后它能跟上，但主动性还不算顶级。架构和 UI 也是老问题。V4 的代码架构总体是能用的，该有的分层、解耦、模块组织基本都会考虑，不会糊弄。但它不太追求那种非常漂亮、非常讲究的工程设计。如果你看 Opus 写复杂项目，有时候会觉得它的结构是“老工程师手感”，命名、边界、抽象层次都比较舒服。V4 Pro 则更偏实用主义：能拆，能跑，能维护，但不一定优雅。

UI 方面也类似。

它不是不能做界面，但直出的审美和细节不算强。大多数时候是“基本可用”，偶尔能出一点不错的细节，但整体离真正高级的产品页面还有距离。如果有设计稿配合，它问题不大；如果完全靠 vibe coding，让它自由发挥，那就需要多抽几轮。

综合来看，V4 Pro 的 high 和 max 档位都已经有很高的实用价值。

high 适合大多数中等复杂度任务，速度和成本比较平衡。max 更适合复杂工程、长上下文、多轮开发、疑难 Bug 定位这类场景。比较有意思的是，max 的成本并没有比 high 高特别多。平均输出量差不多，但它会读更多文件、调用更多工具、检查得更深。代价主要不是钱，而是时间。复杂任务下，max 最多可能多花 60% 左右的工具调用和阅读深度，但换来的是更高的一遍成功率。

Flash 的定位也很清楚。

它在中低难度 oneshot 编程任务上，和 Pro high 的差距没有想象中大。写小功能、改普通 Bug、做常规脚本，Flash 完全有可用性。但一旦任务复杂起来，Flash 的随机性就会明显变大。同样的提示词，它可能一次写得很好，也可能连续几轮都修不好。这个问题不只 DeepSeek Flash 有，很多小尺寸模型都会这样：上限不低，但稳定性不够。另外，Flash 的 Token 消耗反而可能比 Pro 更高。不过考虑到它的单价、速度和吞吐能力，整体性价比依然不错。所以我的判断是：

如果你是日常写代码、改小功能、做轻量开发，V4 Flash 已经够用。

如果你要处理真实项目，尤其是多文件、多轮需求、复杂 Bug、长上下文工程，V4 Pro high 起步会更稳。

如果任务比较关键，希望尽量一遍过，或者项目上下文很大，那直接上 V4 Pro max 更合适。它不一定最快，但更像一个愿意认真把工程读完再动手的模型。

总的来说，DeepSeek V4 这次最让人意外的不是“它会写代码”，而是它在复杂工程环境里终于重新表现出了竞争力。

它还没有完全达到 Codex、Opus 那种顶级 coding agent 的稳定度，尤其在注意力控制、UI 审美和架构精致度上还有差距。但就国产模型来说，V4 Pro 已经明显把可用性往前推了一截。

这次等待确实很长。

但至少从编程测试结果看，这一次不是空等。