DeepSeek V4 Pro 0813
DeepSeek· 2026-08-13 上线国产开源
综合第 26 名
51.6
编程
52.4第 22 名
科研
52.1第 36 名
专业办公
47.8
知识问答
53.8第 26 名
- 评测覆盖
- 13 / 25 项 · 52%
- 缓存输入
- ¥0.30
- 输入
- ¥9.00
- 输出
- ¥27.00
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 |
|---|---|---|---|---|
| FrontierCode | 28.5% | 43.9 | high | 46 |
| WebDev Arena | 1,581 | 57.2 | high | 96 |
| ALE-Bench | 1,403 | 55.1 | max | 88 |
| WeirdML | 66.2% | 53.3 | max | 60 |
科研
| 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） | 64.6% | 51.6 | max | 66 |
| FrontierMath（4 级） | 26.8% | 44.8 | max | 57 |
| CritPt | 18.0% | 55.5 | max | 101 |
| ProofBench | 50.0% | 52.6 | 未注明 | 77 |
| OTIS Mock AIME | 98.6% | 55.7 | max | 87 |
| SciCode | 51.0% | 52.6 | max | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 47.3% | 47.8 | 未注明 | 49 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 52.9% | 53.9 | max | 65 |
| GPQA Diamond | 91.7% | 53.7 | max | 84 |
仅展示（不计分）
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 |
|---|---|---|---|---|
| ARC-AGI-2 | 61.3% | 不计分 | max | 52 |
| ARC-AGI | 90.5% | 不计分 | low | 52 |
| 国际象棋谜题 | 46.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（high、max、none、未注明、low）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。