9.0
重磅
AI SCORE
模型发布2026-08-13 12:00
DeepSeek-V4-Pro 正式版发布：Agent 能力大幅提升，支持 Responses API
DeepSeek API Docs#DeepSeek#大模型#API
Editor brief · 编辑速览
DeepSeek-V4-Pro 正式版上线，Agent 能力显著增强，原生支持 OpenAI Responses API 格式，引入低/高/最高三档思考强度控制，API 将实行峰谷定价。
DeepSeek-V4-Pro 正式版已同步在 APP、网页端和 API 更新上线。API 调用方式不变，模型名设置为 deepseek-v4-pro，即可使用最新版本。
正式版 DeepSeek V4 Pro 极大增强了 Agent 能力，在生产环境中的性能表现提升尤为显著。
HLE (wo / w tools): 42.7/60.0
Terminal Bench 2.1: 87.9
Toolathlon-Verified: 74.1
Agents' Last Exam: 25.7
AutomationBench (Public): 31.8
DSBench-FullStack: 71.1
DeepSeek API 现已原生支持 OpenAI Responses API 格式，并针对性适配 Codex。用户可以参考官方文档，通过一键配置脚本完成 Codex 的配置。
V4-Pro 和 V4-Flash 思考模式现支持 low / high / max 三档思考强度，用户在实际使用中可以根据任务复杂度灵活选择：简单任务使用 low，日常 Agent 任务使用 high，更复杂的任务场景使用 max。设置方法请参考官方 API 文档：思考模式。
随着 DeepSeek V4 全系列模型正式版上线，我们将对 API 价格进行更新调整。为了更加合理地调配资源，我们将采用峰谷定价，闲时价格为高峰时段价格的一半，鼓励用户根据实际使用情况调整任务时间。新价格将于北京时间 2026 年 8 月 17 日 0 时开始生效。
DeepSeek-V4-Flash 正式版 API 上线公测，API 调用方式不变，模型名设置为 deepseek-v4-flash 即可使用最新版本。
Terminal Bench 2.1: 82.7
Toolathlon verified: 70.3
Agent Last Exam: 25.2
Automation Bench (Public): 25.1
DSBench-FullStack: 68.7
注1：对于公开基准测试集中的 Code Agent 任务，正式版 DeepSeek-V4-Flash 使用 DeepSeek Harness 极简模式（即将发布）作为框架进行测试，并使用 max 档位，topp=0.95，temperature=1.0 注2：DSBench-FullStack 是内部使用的全栈开发测试集，DSBench-Hard 是内部使用的 Coding Agent 难题测试集
DeepSeek API 已支持 V4-Pro 与 V4-Flash，支持 OpenAI ChatCompletions 接口与 Anthropic 接口。访问新模型时，base_url 不变, model 参数需要改为 deepseek-v4-pro 或 deepseek-v4-flash。
旧有的 API 接口的两个模型名 deepseek-chat 与 deepseek-reasoner 将于三个月后（2026-07-24）停止使用。当前阶段内，这两个模型名分别指向 deepseek-v4-flash 的非思考模式与思考模式。
deepseek-chat 和 deepseek-reasoner 都已升级为 DeepSeek-V3.2.
deepseek-chat 对应 DeepSeek-V3.2 的非思考模式
deepseek-reasoner 对应 DeepSeek-V3.2 的思考模式
我们非正式部署了 DeepSeek-V3.2-Speciale 的 API 服务，API 用户可以通过设置 base_url="https://api.deepseek.com/v3.2_speciale_expires_on_20251215" 访问该模型。该模型 API 价格不变，只支持思考模式下的对话功能，不支持工具调用等功能，最大输出长度默认为 128K，支持时间截止至北京时间 2025-12-15 23:59。
deepseek-chat 和 deepseek-reasoner 都已经升级为 DeepSeek-V3.2-Exp。
deepseek-chat 对应 DeepSeek-V3.2-Exp 的非思考模式
deepseek-reasoner 对应 DeepSeek-V3.2-Exp 的思考模式
deepseek-chat 和 deepseek-reasoner 都已经升级为 DeepSeek-V3.1-Terminus。deepseek-chat 对应 DeepSeek-V3.1-Terminus 的非思考模式，deepseek-reasoner 对应 DeepSeek-V3.1-Terminus 的思考模式。
此次更新在保持模型原有能力的基础上，针对用户反馈的问题进行了改进，包括：
语言一致性：缓解了中英文混杂、偶发异常字符等情况；
Agent能力：进一步优化了 Code Agent 与 Search Agent 的表现。
deepseek-chat 和 deepseek-reasoner 都已经升级为 DeepSeek-V3.1。deepseek-chat 对应 DeepSeek-V3.1 的非思考模式，deepseek-reasoner 对应 DeepSeek-V3.1 的思考模式。
DeepSeek-V3.1 包含以下主要变化：
混合推理架构：一个模型同时支持思考模式与非思考模式
更高的思考效率：相比 DeepSeek-R1-0528，DeepSeek-V3.1-Think 能在更短时间内给出答案
更强的 Agent 能力：通过 Post-Training 优化，新模型在工具使用与智能体任务中的表现有较大提升
SWE-bench Verified: 66.0
SWE-bench Multilingual: 54.5
Terminal-bench: 31.3
混合推理架构：一个模型同时支持思考模式与非思考模式
更高的思考效率：相比 DeepSeek-R1-0528，DeepSeek-V3.1-Think 能在更短时间内给出答案
更强的 Agent 能力：通过 Post-Training 优化，新模型在工具使用与智能体任务中的表现有较大提升
SWE-bench Verified: 66.0
SWE-bench Multilingual: 54.5
deepseek-reasoner 模型升级为 DeepSeek-R1-0528：
推理能力增强
基准测试提升显著（Pass@1）
AIME 2025: 70.0→ 87.5 (+17.5)
GPQA: 71.5 → 81.0 (+9.5)
LCB_v6: 63.5 → 73.3 (+9.8)
Aider: 57.0 → 71.6 (+14.6)
基准测试提升显著（Pass@1）
AIME 2025: 70.0→ 87.5 (+17.5)
GPQA: 71.5 → 81.0 (+9.5)
LCB_v6: 63.5 → 73.3 (+9.8)
Aider: 57.0 → 71.6 (+14.6)
AIME 2025: 70.0→ 87.5 (+17.5)
GPQA: 71.5 → 81.0 (+9.5)
LCB_v6: 63.5 → 73.3 (+9.8)
Aider: 57.0 → 71.6 (+14.6)
注：复杂推理问题相比老版本R1会使用更多tokens
Web前端开发能力优化
生成的网页与游戏更加美观
幻觉降低
极大程度抑制了老版本R1所存在的幻觉问题
Json Output与Function Calling
支持 Function call性能
Tau-bench score: 53.5 (Airline)/63.9 (Retail)
Function call性能
Tau-bench score: 53.5 (Airline)/63.9 (Retail)
Tau-bench score: 53.5 (Airline)/63.9 (Retail)
deepseek-chat 模型升级为 DeepSeek-V3-0324：
推理能力增强
基准测试提升显著
MMLU-Pro: 75.9 → 81.2 (+5.3)
GPQA: 59.1 → 68.4 (+9.3)
AIME: 39.6 → 59.4 (+19.8)
LiveCodeBench: 39.2 → 49.2 (+10.0)
基准测试提升显著
MMLU-Pro: 75.9 → 81.2 (+5.3)
GPQA: 59.1 → 68.4 (+9.3)
AIME: 39.6 → 59.4 (+19.8)
LiveCodeBench: 39.2 → 49.2 (+10.0)
MMLU-Pro: 75.9 → 81.2 (+5.3)
GPQA: 59.1 → 68.4 (+9.3)
AIME: 39.6 → 59.4 (+19.8)
LiveCodeBench: 39.2 → 49.2 (+10.0)
Web前端开发能力优化
代码生成准确率提升
生成的网页与游戏前端更加美观
中文写作能力升级
风格与内容优化
实现与R1写作风格对齐
中长篇写作内容质量提升
风格与内容优化
实现与R1写作风格对齐
中长篇写作内容质量提升
功能增强
多轮交互式改写能力提升
翻译质量与书信写作优化
中文搜索能力优化
报告分析类请求优化，输出内容详实
Function Calling 能力改进
Function Calling 准确率提升，修复 V3 之前的问题
Function Calling 准确率提升，修复 V3 之前的问题
deepseek-reasoner 是我们的新模型 DeepSeek-R1. 可以通过指定 model=deepseek-reasoner 调用。
详细更新，请参考: DeepSeek-R1 正式发布
deepseek-chat 模型升级为 DeepSeek-V3，接口不变，可以通过指定 model=deepseek-chat 调用。
详细更新，请参考：DeepSeek-V3 正式发布
deepseek-chat 模型升级为 DeepSeek-V2.5-1210，模型各项能力提升，相关基准测试：
数学能力：在 MATH-500 基准测试中的表现从 74.8% 提升至 82.8%
代码能力：在 LiveCodebench (08.01 - 12.01) 基准测试中的准确率从 29.2% 提升至 34.38%
中文写作与推理能力：在内部测试集中表现也有相应提升
与此同时，全新版本的模型对文件上传和网页总结功能的用户体验进行了优化。
DeepSeek V2 Chat 和 DeepSeek Coder V2 两个模型已经合并升级，升级后的新模型为 DeepSeek V2.5。
为向前兼容，API 用户通过 deepseek-coder 或 deepseek-chat 均可以访问新的模型。
新模型在通用能力、代码能力上，都显著超过了旧版本的两个模型。
新模型更好的对齐了人类的偏好，在写作任务、指令跟随等多方面进行了优化：
ArenaHard winrate从 68.3% 提升至 76.3%
AlpacaEval 2.0 LC winrate从 46.61% 提升至 50.52%
MT-Bench 分数从 8.84 提升至 9.02
AlignBench 分数从 7.88 提升至 8.04
新模型在原Coder模型的基础上进一步提升了代码生成能力，对常见编程应用场景进行了优化，并在标准测试集上取得了以下成绩：
LiveCodeBench (1-9月): 41%
DeepSeek API 创新采用硬盘缓存，价格再降一个数量级
更新详情请跳转文档 API 上线硬盘缓存 2024/08/02
更新接口 /chat/completions JSON 输出 Function 调用 对话前缀续写（Beta） 8K 最长输出（Beta）
新增接口 /completions FIM 补全（Beta）
更新详情请跳转文档 API 升级新功能 2024/07/25
deepseek-coder 模型升级为 DeepSeek-Coder-V2-0724。
deepseek-chat 模型升级为 DeepSeek-V2-0628，模型推理能力提升，相关基准测试：
代码，HumanEval Pass@1 79.88% -> 84.76%
数学，MATH ACC@1 55.02% -> 71.02%
推理，BBH 78.56% -> 83.40%
在 Arena-Hard 测评中，与 GPT-4-0314 的对战胜率从 41.6% 提升到了 68.3%。
模型角色扮演能力显著增强，可以在对话中按要求扮演不同角色。
deepseek-coder 模型升级为 DeepSeek-Coder-V2-0614，代码能力显著提升，在代码生成、代码理解、代码修复和代码补全上达到了 GPT-4-Turbo-0409 的水平，并拥有卓越的数学和推理能力，其通用能力与 DeepSeek-V2-0517 持平。
deepseek-chat 模型升级为 DeepSeek-V2-0517，模型在指令跟随方面的性能得到了显著提升，IFEval Benchmark Prompt-Level 准确率从 63.9% 跃升至 77.6%。此外，我们对API端的"system"区域指令跟随能力进行了优化，显著增强了沉浸式翻译、RAG 等任务的用户体验。
模型对于 JSON 格式输出的准确性得到了提升。在内部测试集中，JSON 解析率从 78% 提高到了85%。通过引入恰当的正则表达式，JSON 解析率进一步提高至 97%。