DeepSeek V4-Pro-0813 正式上線：1.6 兆參數開源旗艦挑戰閉源模型

2026 年 8 月 12 至 13 日，DeepSeek 將其 V4-Pro 模型從預覽階段推升至正式上線（General Availability），發布 0813 版本，鞏固了其作為全球最強大開源 AI 實驗室的地位。此次發布將一個 1.6 兆參數的混合專家模型（MoE）帶入生產級 API，在多個評測排行榜上與最佳閉源模型的差距僅在小數點以內，而且成本僅為其零頭——全部採用 MIT 授權。

發布了什麼

DeepSeek V4-Pro-0813 是 V4-Pro 系列的正式上線版本。核心規格簡潔但令人震撼：

• 總參數量： 1.6 兆（1.6T）
• 每 token 啟動參數： 約 490 億（透過 MoE 路由）
• 上下文視窗： 100 萬 tokens
• 最大輸出： 高達 384,000 tokens
• 訓練資料： 超過 32 兆 tokens，採用 FP4 精度訓練
• 授權： MIT（完全開源）
• API 定價： 輸入每百萬 tokens 0.435 美元，輸出每百萬 tokens 0.87 美元

此模型伴隨較小的兄弟版本 V4-Flash，後者擁有 2,840 億總參數，每 token 啟動約 130 億——專為高速、低成本的日常工作負載而設計。兩者構成路由策略：將大量流量推向 Flash，將困難的推理任務升級至 Pro。

架構採用混合注意力機制（hybrid attention stack），DeepSeek 表示與等效規模的密集模型相比，可將計算量降至約 27%，KV 快取記憶體降至約 10%。正是這種效率使得 1.6 兆參數的模型在商業上可行——以每秒 83.2 個輸出 tokens 的速度服務，首 token 延遲僅 1.63 秒，速度堪比小得多的模型。

評測表現：差距正在消失

0813 版本最令人矚目的成就是它在所有主要評測中都與頂端極為接近，儘管它是完全開源且成本大幅降低。

在 SWE-bench Verified——軟體工程代理的黃金標準評測——上，V4-Pro-0813 獲得 96.40%，在 vals.ai 排行榜上排名第二，與閉源權重領先者僅差 0.60 分。這使它在此評測上超越了 Claude、GPT-5 等主要閉源模型。

在 Artificial Analysis 智慧指數上，該模型得分 53，在追蹤的 104 個模型中排名 第二。在社群排行榜上，其整體對話評測分數 87.9 與榜首（Fable 5 的 88.0）僅差 0.1 分——而輸出定價卻便宜了約 57 倍。

在程式開發專項評測中，V4-Pro-0813 在 Aider（真實世界程式碼編輯評測）獲得 71.6%，略微領先競爭對手。DeepSWE 評測得分為 62.7%。僅僅一年前，這些數字還是 OpenAI 和 Anthropic 等前沿閉源模型的專屬領域。

架構故事

DeepSeek 的 MoE 方法是核心關鍵。模型不會為每個 token 啟動全部 1.6 兆參數，而是將每個 token 僅路由至約 490 億參數——約佔總量的 3%。這就是為什麼一個總參數量超過 GPT-5 或 Claude Opus 的模型，仍能以具競爭力的速度和價格提供服務。

FP4 訓練精度代表了另一個效率前沿。透過採用 4 位元浮點數而非更常見的 BF16 或 FP8 進行訓練，DeepSeek 聲稱大幅降低了訓練運算量和記憶體頻寬需求。結合混合注意力機制——將注意力計算稀疏化以減少計算量和記憶體使用——此架構既為推理經濟性而設計，也為原始能力而打造。

100 萬 token 的上下文視窗，加上最高 384K tokens 的輸出，是另一個差異化優勢。多數前沿模型將輸出上限設在 16K–64K tokens。384K 的上限讓 V4-Pro-0813 能勝任長篇文件生成、多檔案程式碼重構，以及需要單次回應產出整個程式庫或報告的擴展型代理工作流。

開源權重：戰略意涵

MIT 授權也許是最具深遠影響的細節。不同於 Meta 的 Llama 系列帶有使用限制，或 Google 的 Gemma 附帶商業但書，DeepSeek V4-Pro 採用寬鬆授權，允許在 Hugging Face 上不受限制地商業使用、修改和再散發完整的 1.6 兆模型權重。

這有幾個重要原因。首先，擔心廠商鎖定的企業可以自行託管一個前沿級別的模型——在 MoE 使 1.6 兆參數模型能以合理硬體成本提供服務之前，這在經濟上是不切實際的。其次，研究人員可以完全存取、檢查、微調和基於一個真正頂級的模型進行開發，而非使用蒸餾近似版本。第三，開源權重釋出創造了一種倒逼效應：Anthropic 和 OpenAI 等競爭對手再也無法聲稱開源模型明顯落後於閉源模型。

競爭格局

DeepSeek 將 V4 定位在約略等同於 Gemini 3.1、GPT-5.4 和 Claude Opus 4.6 的水準——也就是上一代前沿模型。雖然 GPT-5.6 和 Fable 5 等更新的閉源模型在部分評測上仍保持小幅領先，但差距在多數類別中已壓縮到個位數百分點以內，而 V4-Pro 在 SWE-bench Verified 上更是直接奪冠。

定價差異是 DeepSeek 優勢最為凸顯之處。在每百萬 tokens 0.435/0.87 美元的價格下，V4-Pro 的輸入成本約比同等閉源模型便宜 3–7 倍，某些工作負載的輸出成本更低達 57 倍。對於高吞吐量的代理應用——模型可能在單一任務中生成數百萬 tokens——這種數量級的成本降低改變了什麼是經濟可行的。

值得關注的面向

0813 版本並非沒有但書。獨立評測驗證仍在進行中——許多頭條分數來自廠商自報或社群收集的數據，而非完全受控的第三方評估。該模型為純文字模型，缺乏較新閉源模型所具備的多模態視覺和音訊能力。此外，DeepSeek 作為一家中國公司，其開源權重對某些企業客戶——特別是美國國防和政府領域——帶有地緣政治考量。

儘管如此，趨勢是清晰的。每一次 DeepSeek 發布，開源與閉源前沿模型之間的實際差距都在進一步縮小。0813 版本是迄今為止最強有力的證據，證明開源 AI 能夠在關鍵評測上匹敵閉源模型——同時在價格上大幅削減對手。對於正在開發 AI 產品的工程師和產品團隊而言，這是一個值得認真對待的方程式。