DeepSeek 釋出 V4-Pro：支援三檔推理力度，API 引入「峰谷定價」便宜一半

如果你的日常工作流裡全是各種 AI Agent，最大的痛點往往不是模型不夠聰明，而是錢包扛不住。

算力賬單像流水一樣滾過去，複雜任務推理又慢又貴。8 月 13 日，DeepSeek 正式上線了他們最新的旗艦模型 DeepSeek-V4-Pro，不僅把生產環境下的 Agent 能力又往上拉了一截，還順手把算力成本打骨折了。

1.7 萬億引數的巨獸，外加三檔「思考閥門」

DeepSeek-V4-Pro 是一個引數量達到 1.7 萬億的混合專家（MoE）模型，原始未量化權重體積達到了 893 GB。為了解決大模型的推理吞吐問題，他們這次加入了名為 D-Spark 的投機解碼技術。

但這次最接地氣的改動，其實是推理強度的靈活調節。

過去模型思考多久，往往由演算法自己盲目決定。現在 V4-Pro 和輕量版的 V4-Flash 都支援在 low、high 和 max 三檔推理力度之間隨意切換。

簡單問答直接調到 low 檔，快速省錢；跑日常的自動化 Agent 指令碼切到 high；面對複雜的程式碼重構或高難度數學邏輯，再一鍵拉滿到 max。

網頁端和 App 使用者可以直接開啟「Expert Mode」上手體驗，開發者在 API 層面也無需更改原本的模型呼叫名稱。

此外，它還原生支援了 OpenAI Responses API，針對 Codex 場景做了一鍵配置。也就是說，原本依賴 OpenAI 介面生態的開發者，幾乎零門檻就能無縫平移過來。

效能咬住頭部，成本只要 6 美分

在 Humanity's Last Exam、Terminal Bench 和 DeepSue 等各類知識與 Agent 編碼基準測試中，V4-Pro 的表現已經能和 GLM、Kimiko 3 等開源第一梯隊，甚至閉源的 Claude Opus 打得有來有回。

根據第三方機構 Artificial Analysis 的獨立評測榜單，V4-Pro 的綜合表現與 GLM 5.2 基本持平，雖然離最頂級的閉源模型 GPT 和 Grok 4.6 還有幾個百分點的微弱差距，但如果結合成本來看，畫面就完全不一樣了。

在 Artificial Analysis 的任務成本測算中，DeepSeek V4-Pro 單任務成本僅需 6 美分。比起 Kimiko 3、GPT-5.6 以及定價昂貴的 Claude 系列，它的成本優勢非常誇張，直接把價效比拉到了象限的最左上角。

更狠的是 API 計費規則的改版。DeepSeek 宣佈引入電力系統常見的「峰谷定價」機制：谷期呼叫費率直接在峰值基礎上下調 50%，該計費方案將於 8 月 16 日 16:00 UTC 正式生效。

這意味著那些對時效性要求不高的大規模批處理、離線資料蒸餾和非高峰期 Agent 任務，呼叫成本還能再打個五折。

為什麼重要

我們認為，DeepSeek 這次走得極其聰明。它沒有去死磕實驗室極限跑分，而是把全部刀刃都切在了生產落地的核心痛點上：吞吐、控制感和成本。

對於個人開發者和中小團隊來說，AI Agent 過去很難真正跑在生產環節，就是因為單次呼叫的不確定性和昂貴開銷。三檔推理力度給了開發者精確控制單次呼叫成本的開關，而離峰 50% 的骨折折扣，讓大量離線自動化流程徹底變得可行。

當然，門檻依然存在。893 GB 的原始體積註定了它不是普通單卡或消費級硬體能吞下的巨物，本地部署依然需要堆疊多張專業加速卡。不過按照社群一貫的節奏，像 Unsloth 這類團隊很快就會跟進 GGUF 等量化壓縮版本，普通硬體吃上量化版只是時間問題。

對整個行業而言，這無異於一次降維打擊。當一個擁有頂尖 Agent 編碼表現的模型把單次任務價格壓到 6 美分，並用峰谷定價倒逼同行時，無論是閉源巨頭昂貴的訂閱制，還是同賽道的開源服務商，都必須重新審視自己的溢價邏輯了。