跳到主要內容

DeepSeek V4-Pro評測：百萬token正式版，主打AI代理任務 | DeepSeek V4-Pro Review: 1M Tokens, Now GA for AI Agents

By Kit 小克 | AI Tool Observer | 2026-08-25

🇹🇼 DeepSeek V4-Pro評測：百萬token正式版，主打AI代理任務

DeepSeek V4-Pro 已在2026年8月13日正式從預覽版轉為正式版（GA），標示為 DeepSeek-V4-Pro-0813，同步開放於 App、網頁與 API。這次更新主打「代理任務」（agentic tasks）——也就是讓 AI 自己呼叫工具、寫程式、執行多步驟工作流程而不需要人類插手，同時把情境窗口拉到 100 萬 token，是目前開源模型裡數一數二的規格。

DeepSeek V4-Pro是什麼？

DeepSeek V4-Pro 是 DeepSeek 最新的旗艦模型，自今年4月進入預覽測試，8月正式轉為 GA 版本。官方把它定位為「代理優先」模型，強調工具呼叫、程式碼執行與多步驟任務的穩定度，而不只是單純的問答能力。

DeepSeek V4-Pro效能如何？

根據 DeepSeek 官方公布的自測數據，V4-Pro 在 Terminal-Bench 2.1 拿下 87.9 分，DeepSWE 拿下 62.7 分，NL2Repo 拿下 61.5 分，這幾項都是偏向「代理寫程式」的測試項目。要注意的是，這些數字是官方自己跑的，還沒有看到大量第三方獨立覆核，實際表現建議自己拿真實任務測一輪再下結論。

值得注意的功能

  • 百萬 token 情境窗口：可處理長文件、長對話，輸出上限也拉到 384,000 token
  • 思考／非思考雙模式：可依任務難度切換要不要開推理鏈
  • 推理強度分級：low / high / max 三檔可調，權衡速度與品質
  • 原生相容 OpenAI Responses API：並內建 Codex 一鍵接入，對已有 OpenAI 生態的開發者相對友善

DeepSeek V4-Pro怎麼用、划算嗎？

官方 API 定價為每百萬輸入 token 0.435 美元（快取未命中）、每百萬輸出 token 0.87 美元，比起 GPT 或 Claude 系列動輒好幾美元起跳確實便宜不少。但要老實講一句：DeepSeek 在 8 月17日已經宣布尖峰／離峰差別定價，離峰輸出價格漲到約 2.25 倍、尖峰時段漲到 4.5 倍，代表「超便宜」這件事不是永久保證，用之前建議查一下當下即時費率。

小結：適合誰用？

如果你在做需要長情境、多步驟工具呼叫的代理應用，且預算敏感，DeepSeek V4-Pro 是值得放進評測清單的開源選項。但代理能力的實測表現、尖峰時段費率波動,這些都要自己跑過才知道是不是真的划算。

好不好用，試了才知道。

常見問題 FAQ

🇺🇸 DeepSeek V4-Pro Review: 1M Tokens, Now GA for AI Agents

DeepSeek V4-Pro officially left preview and went general availability (GA) on August 13, 2026, shipping as DeepSeek-V4-Pro-0813 across the app, web, and API. The release is built around agentic tasks — letting the model call tools, run code, and complete multi-step workflows without human hand-holding — and pushes context length to 1 million tokens, among the largest of any open model right now.

What is DeepSeek V4-Pro?

DeepSeek V4-Pro is DeepSeek's current flagship model, in preview since April and now fully GA as of August. The company positions it as an agent-first model, optimized for reliable tool calling and multi-step execution rather than just chat quality.

How does DeepSeek V4-Pro perform?

On DeepSeek's own reported benchmarks, V4-Pro scored 87.9 on Terminal-Bench 2.1, 62.7 on DeepSWE, and 61.5 on NL2Repo — all agent-coding-flavored tests. Worth flagging: these are self-reported numbers with limited independent verification so far, so treat them as a starting point, not a verdict, until you run your own workload against it.

Notable features

  • 1M-token context window, with output capped up to 384,000 tokens
  • Thinking / non-thinking mode toggle depending on task difficulty
  • Reasoning-effort levels (low / high / max) to trade speed for quality
  • Native OpenAI Responses API compatibility with one-click Codex setup — friendly if you're already in the OpenAI ecosystem

How much does DeepSeek V4-Pro cost, and is it worth it?

Official API pricing is $0.435 per million input tokens (cache miss) and $0.87 per million output tokens — noticeably cheaper than GPT or Claude tiers that start several dollars higher. But here's the honest part: DeepSeek announced peak/off-peak pricing on August 17, pushing off-peak output to about 2.25x and peak-hour output to 4.5x the earlier rate. "Dirt cheap" isn't a permanent guarantee — check current live rates before you commit a production workload to it.

Bottom line: who should try it?

If you're building agentic apps that need long context and multi-step tool calls on a tight budget, DeepSeek V4-Pro deserves a spot on your evaluation list. But real agent performance and peak-hour pricing swings are things you have to test yourself before trusting the marketing numbers.

好不好用，試了才知道 — you only know if it's good once you've actually tried it.

Sources / 資料來源

常見問題 FAQ

DeepSeek V4-Pro是什麼時候正式推出的？

2026年8月13日從預覽版轉為正式版（GA），版本編號為DeepSeek-V4-Pro-0813。

DeepSeek V4-Pro支援多長的情境窗口？

最長支援100萬token的輸入情境，輸出上限可達384,000 token。

DeepSeek V4-Pro的API價格是多少？

官方定價為每百萬輸入token 0.435美元（快取未命中）、每百萬輸出token 0.87美元，但8月17日起有尖峰/離峰差別定價，尖峰時段輸出費率會漲到約4.5倍。

DeepSeek V4-Pro適合拿來做什麼？

官方主打代理任務，例如工具呼叫、程式碼執行與多步驟自動化工作流程，較適合需要長情境且預算敏感的開發者。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容