DeepSeek-V4-Pro

DeepSeek· 2026-04-24 上线国产开源

综合第 44 名

46.5

编程

46.2第 43 名

科研

46.2第 57 名

专业办公

43.7

知识问答

51.8第 33 名

价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。

编程

评测	原始成绩	标准分	最好成绩的档位	比较模型数
SWE-bench Verified	77.6%	54.8	max	22
FrontierCode	17.6%	35.8	none	46
WebDev Arena	1,464	49.1	未注明	96
ALE-Bench	1,006	48.1	high	88
WeirdML	48.9%	43.2	max	60

评测	原始成绩	标准分	最好成绩的档位	比较模型数
FrontierMath（1–3 级）	45.3%	42.6	max	66
FrontierMath（4 级）	2.4%	36.1	max	57
CritPt	12.9%	50.7	max	101
ProofBench	16.0%	41.7	max	77
OTIS Mock AIME	96.7%	54.5	max	87
SciCode	50.0%	51.5	max	97

评测	原始成绩	标准分	最好成绩的档位	比较模型数
Vending-Bench 2	$3,285	43.7	未注明	55

评测	原始成绩	标准分	最好成绩的档位	比较模型数
SimpleQA Verified	47.0%	50.5	max	65
GPQA Diamond	90.9%	53.1	high	84

这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。

评测	原始成绩	标准分	最好成绩的档位	比较模型数
国际象棋谜题	19.0%	不计分	max	88

原始成绩取这个模型各个推理档位（max、none、未注明、high）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。数据 10月16日 06:10 更新。

数据来源：Epoch AI（CC BY 4.0），本站按公开方法折算排名，不代表 Epoch AI 的观点。