一手实测DeepSeek V4 Pro，体验了一把后训练带来的神威
BubbleBrain
2026-08-13 02:19
发布于上海
科技领域创作者
大半夜的，正看着电视刷着手机呢；
被各种群刷屏了，
DeepSeek V4 Pro 正式版发布了。
这次依然没有过多的宣传，还得是靠着广大网友们奔走相告才知道；Benchmark成绩在这儿了：
这些Benchmark里有几个是比较引起我注意的，
一个是DeepSWE提升巨大。
给还不清楚的小伙伴简单解释一下，DeepSWE是目前相对还比较新的测试模型代码能力的一个Benchmark，5月份才发布第一个版本。
整体上我自己觉得除了极个别模型有争议之外，整体还是值得参考的。
而DeepSeek V4 Pro 这一个版本直接从之前的12.8飞升到62.7，超过了Opus 4.8了。
到底是DeepSeek 后训练法力无边还是A社这Opus 4.8 模型真就是路边一条？！
还有一个我觉得值得看的Benchmark 是Agents' Last Exam，主要测试的是Agent 到底能不能完成真实世界里有经济价值的专业工作。
整个任务覆盖了50多个领域。目前整体的排行是下面这样：
DeepSeek V4 Pro 新版本直接从16.5提升到25.7 基本上已经要摸到Codex + 5.5的位置了。
再考虑到DeepSeek本身高缓存命中带来的低价格，感觉这以后就是妥妥的干活的牛马主力了。
（此刻跪求官方别马上涨价。。）
还有一个是CyberGym，它是主要测试Agent 在真实世界的网络安全能力的。
这个是目前的排行榜单，
可以看到DeepSeek V4 Flash 其实已经很高了。
只是新的V4 Pro 更加变态，从52.7飞跃到83.3，比敏感肌Fable 5 还高了要，这特么还是在它最喜欢吹嘘的网络安全领域。
我也把它放在我自己写的Agent里，叫Bubble Code，进行测试了一下，让它修了几个bug。
一个是我发现我这个目前基于TUI的这个agent里，
我如果发送的消息一长，变成那种缩略占位符之后，我按方向上键，是没办法回滚到这条缩略占位符的消息的
先让DeepSeek V4 Pro 帮我定位一下这个问题。
我这项目代码量在14.6万行，当然绝对算不上很多，但是也已经不是那种随便做做的小demo了。
它定位的还是又快又精准的，基本上1分钟左右就完成任务找到问题了。
接下来就是修复。
它是一把成功的 ，而且修复的速度很快。
大家千万不要小瞧这个速度快这一点。Agent 时代，速度、质量、价格这三个因素真的是同等重要的。
甚至我自己的一个暴论是，这三者你能得其二，然后有一个不要太差，你就根本不担心缺用户。。
更不要说DeepSeek 速度和价格都是做到极致的代表。
我自己一直在用codex，但自从用5.6 Sol开始，已经逐渐抓狂了。因为它现在速度又慢，然后还很爱钻牛角尖，给我打补丁和疯狂写测试。。。
导致我其实一个可能很简单的需求，它会给我做的很复杂，让我等很久，甚至有过等到我忘记我还有个任务在进行着。。。
我让它做的第二个任务是,
我有一个Agent 工作台，叫Aegis，仿着Codex样子写的，谁叫它好看呢？！
这个项目代码也有11万行了。
这里面接入了各种主流的Agent，当然，也包括了我自己的Bubble Code，也就是前面说的那个。
然后我发现我自己的这个Bubble Code 里还没有接入一个功能是，通过斜杠，唤起各种TUI里能有的命令。
我还是来让Bubble Code + DeepSeek V4 Pro 诊断一下。
就分析问题还是分析的非常准确的，我觉得。而且虽然是V4 Pro + Max 的思考深度，但是速度仍然很快。
然后就是修复问题了，我让它先把/compact 还有/rewind 这两个命令先接入，这波直接开了一个goal命令，
一方面是测试一下新的V4 Pro 跟我的这个Agent搭不搭配，另一方面，是看它能不能很好的完成这种长时任务。
做了快18分钟完成，质量我觉得还是不错的。
我要求的两个命令都完成了接入，然后我实测了一下/rewind 命令和/compact 命令是都能工作的，不是那种只是简单的前端接入。
最后我也稍微看了下，在我这个自己写的agent里，DeepSeek 的缓存命中率是什么样的。
让gpt 算了一下，缓存命中率在97.3%，我觉得对我来说自己用是已经完全够了，
完全可以做我日常牛马的主力，甚至因为它的速度更快，很多时候我大部分日常任务可能还更愿意用它，而不是codex了还。
好啦，今天的体验就先到这里了，
因为时间关系，目前只是一个非常初步的体验，可能也不太准确。听说明天DeepSeek Harness要公测了，到时候让我好好体验了一下，再来给大家汇报！
以上，