DeepSeek V4 Pro中文测评发布：编程能力显著提升

SuperCLUE于8月19日公布了DeepSeek V4 Pro正式版的中文评测报告。这款刚在8月13日发布的旗舰大模型，综合总榜中荣获第二名，尤其是在智能体编程方面展现了显著的改善。DeepSeek V4 Pro具备解析百万字长文本的能力，官方宣称在推理、编程及智能体任务方面，已经跻身行业顶尖水平。此次评测对比了13个国产模型，特设六个考核项目，特别强调了智能体编程的重要性，使其在评估中占据了25%的比例，以此反映模型在完成复杂工程任务方面的实力。

与预览版相比，这款模型在多个核心评分上都有所提升，智能体编程的得分从47.37上升至63.16，增加了15.85分。此外，智能体任务规划得分提升6.48分，而幻觉控制的得分则从79.70提高到89.73。推理能力同样得到了增强，不仅分数提高，推理所需时间也有所减少。尽管如此，迭代过程中也存在取舍，精确指令遵循的得分略有下滑，显然开发团队选择优先提升长链路智能体和深度推理的能力。

在与Qwen3.8 Max的对比中，前者在幻觉推理方面表现优越，但在指令遵循和智能体编程方面还有进步空间，智能体任务规划依然存在接近5分的差距。所有测试均在纯文本场景下进行，智能体任务规划的表现受到此条件的限制。总体来看，这次更新的最大亮点在于编程和智能体功能，尤其适合需要编写代码和进行复杂任务规划的开发者。然而，该模型并未在各个维度全面提升，部分能力仍有待优化，因此普通用户和开发者在选择时应结合自身的实际需求进行判断。