同时，官方公布了DeepSeek-V4系列的API定价：DeepSeek-V4-Pro在输入命中缓存的情况下为1元/百万tokens，输入未命中缓存则为12元/百万tokens，输出为24元/百万tokens；DeepSeek-V4-Flash在输入命中缓存仅0.2元/百万tokens，未命中输入1元/百万tokens，输出2元/百万tokens。

此外，这一模型应该暂时还不支持视觉能力，上传图像后还是会进行文字提取，没有文字的图像会显示无法处理。

这意味着，过去难以实际运行的超长链路任务（如多轮Agent规划、长文档处理），开始进入可执行范围。

从能力结构来看，DeepSeek-V4-Pro的提升是推理、知识与Agent能力的同步抬升。

在知识与推理类任务中，其在SimpleQA、Apex、Codeforces等评测中均超过当前主流开源模型，并在多项任务上接近GPT-5.4与Gemini 3.1 Pro。例如在Apex Shortlist中达到90.2分，已经超越顶级闭源模型；在Codeforces等竞赛类任务中，也维持在第一梯队水平。

在Agent能力相关任务中，DeepSeek-V4-Pro在SWE Verified、Terminal Bench等指标上表现稳定，SWE Verified达到80.6，接近Claude Opus 4.6，明显高于多数开源模型。其表现同样超过GLM-5.1 Thinking、Kimi K2.6 Thinking等模型

整体来看，DeepSeek-V4-Pro已是目前开源模型的“天花板”。

这一代DeepSeek-V4明显强化了对Agent场景的适配。其针对Claude Code、OpenClaw、CodeBuddy等主流Agent框架进行了专项优化，在代码生成、文档生成等多步骤任务中表现更稳定。下图为DeepSeek-V4-Pro在某 Agent框架下生成的PPT内页示例：

从实际定位来看，DeepSeek-V4-Pro已经被DeepSeek内部作为Agentic Coding模型使用，侧重点在于“完成任务”。在简单任务上，V4-Flash已可与Pro版本接近，而在复杂任务中仍存在明显差距。

本质上是在为Agent应用提供两种“算力档位”。DeepSeek-V4-Flash在简单Agent任务中已经能够与Pro“旗鼓相当”，但在复杂任务中仍有差距。这种差异，本质上是推理深度与上下文利用能力的差别。

DeepSeek-V4的发布不仅展现了团队在技术和架构上的积淀，也标志着开源大模型在国产算力生态下的实际落地能力。

经过对华为昇腾、寒武纪等国产芯片的适配优化，DeepSeek-V4系列实现了百万token上下文的稳定支持和高效推理，使长链路任务与多步Agent执行成为可能。

这一版本将Pro与Flash的不同定位落到实处，在性能上逼近闭源旗舰模型，在成本上保持高性价比，为国内开发者提供了前所未有的开放选项。

更重要的是，这次发布显示出开源模型不仅能在全球竞争中站稳脚跟，也能够借助国产算力和优化架构，将技术潜力转化为实际可用的生产力。DeepSeek-V4或许是中国开源力量在高性能AI赛道上迈出的关键一步，也为国内AI生态的创新和落地提供了明确指引。