DeepSeek V4 Pro 上线两天，我把现在所有争议重新整理了一遍，基本就这些🧐 DeepSeek V4 Pro 0813 发布以后，网上已经快吵成两个模型了。一边是官方非常夸张的 Agent 跑分，另一边是大量开发者说根本不是这个体感。 1、发布过程很混乱 8 月 12 日晚，API 文档和模型版本先发生变化。 8 月 13 日 DeepSeek 才正式宣布 V4 Pro GA。 中间官网横幅、公告还出现过撤回、重新上线的情况，但 DeepSeek 到现在都没有解释这段过程到底发生了什么。 更敏感的是价格也跟着变了。新价格 8 月 17 日生效，引入峰谷定价，V4 Pro 高峰输出价格达到 $3.96/百万 Token。也就是说，用户一边还在判断正式版到底强了多少，另一边已经先面对明显涨价。 2、官方跑分和大量用户体感对不上 这是目前争议最大的地方。 官方给 V4 Pro 的 Agent 数据非常漂亮：DeepSWE 62.7、CyberGym 83.3，Terminal Bench 等任务也进入头部水平。 但第三方 Artificial Analysis 给 0813 Max 的综合 Intelligence Index 是 53，没有出现同等级别的碾压式升级。 而社区最近两天最密集的反馈，集中在几个问题： 复杂任务思考过短、Agent 提前结束、长任务执行不稳定。 有时候甚至感觉不如 Flash，同一个 Prompt 换时间、换会话以后结果差距很大。 3、V4 Pro 可能极度依赖 Harness / Scaffold 这个是我觉得最值得关注的地方。 DeepSeek 自己其实已经公开承认，在部分 Code Agent benchmark 中使用过 DeepSeek Harness 的 Minimal 模式。 这个模式不是简单换个 Prompt，而是把 System Prompt、工具数量、Tool Schema、上下文压缩方式等，都尽量做成模型强化学习阶段熟悉的 Agent 环境。 社区随后在 V4 Pro 0813 上做了一些很有意思的实验。 同一个任务，DSH Standard / PTC 大约 91–92 分，换成 Minimal 后能到 96–99。 更夸张的是 Anchored Standard，第一轮先用 Minimal 把模型带进去，第一次 Tool Call 后再恢复完整工具，两次还能跑到 98–99。 这组测试规模还不足以证明所有任务都这样，但它至少暴露了一个问题： V4 Pro 的能力可能不是固定的 90 分或者 60 分，而是非常吃你怎么把它架起来。 4、最火的API 后面有多个模型 社区有人怀疑 deepseek-v4-pro 这个 API 后面其实在路由多个 checkpoint。 原因是有人发现，换 IP、新建会话以后，模型的思考方式会出现不同指纹： 有的疯狂写 Let me…，有的习惯 The user wants me…，还有一种大量使用 we，同时能力明显更强，于是有大家它们叫成 Preview 版、Flash 版和神版。 这个说法传播非常快，但目前没有任何官方证据证明 DeepSeek 在一个模型名后面偷偷切换多个 checkpoint。 现在更有解释力的可能是两层东西叠加：服务端灰度/集群配置存在差异，同时 V4 Pro 又对第一轮 System Prompt、Tool Schema 和 Agent Scaffold 极其敏感。 于是用户看到的效果，就像“随机抽模型”。(比特币橙子Trader)