DeepSeek-V4-Pro 正式版：Agent 能力大幅提升，支持三档思考强度

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 更新

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

DeepSeek-V3.2-Speciale

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-V3.1-Terminus

deepseek-chat 和 deepseek-reasoner 都已升级为 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

基准测试：

• SWE-bench Verified: 66.0
• SWE-bench Multilingual: 54.5
• Terminal-bench: 31.3

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）

基准测试	提升
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)

deepseek-chat 模型升级为 DeepSeek-V3-0324：

推理能力增强

基准测试提升显著

基准测试	提升
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

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

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-coder & deepseek-chat 升级为 DeepSeek V2.5 模型

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

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

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%。