DeepSeek V4到底能不能打？上线三天，第一批真实测试的结果陆续出来了。

它的纸面数据很猛，参数量最高到了1.6万亿，上下文窗口拉到100万token，API价格比GPT-5.5便宜了一个数量级。但三天下来最让人意外的，不是顶配的Pro，而是最便宜的Flash。有人拿20个真实任务把V4的四个版本全测了一遍，结果Flash赢了7个，好几个编码任务里它用更少的token，做出了和贵几十倍的Pro一样甚至更好的结果。

当然它也没强到可以闭眼吹。碰上复杂工程落地、精致前端、第一次就得成活的任务，GPT-5.5和Claude Opus 4.7仍然更稳。V4没有全面超车，但它正在把这场竞争从“谁最强”推向“谁最适合干哪种活”。

01实测出真知：最便宜的Flash，成了最大黑马？

很多人拿到新模型的第一反应，就是开最强的模式，跑最狠的测试。

但AI工程师Chew Loong Nian不这么想。他在DeepSeek V4发布后几小时内，就搭建了一个包含20个真实世界任务的测试框架，把V4家族的四个模式全部拉出来遛了一遍，分别是V4-Pro、V4-Pro-Max（最大推理努力）、V4-Flash，还有V4-Flash-Max。

这里需要先理清这几个模式的区别。DeepSeek V4分成了Pro和Flash两条产品线。Pro是更大的选项，参数达到1.6万亿，面向更深度的推理、更难的编码任务、研究以及长上下文工作。Flash则是更小、更快的选项，总参数2840亿，仅13亿激活参数，专为速度、更低成本以及需要重复调用模型的智能体工作流而生。

在这两个版本之上，用户还可以选择是否开启“深度思考”模式。开启之后，模型会花更多时间进行推理，在解决问题时展示出每一步思考过程，这通常会改善最终结果，但代价是响应速度变慢。

Chew Loong Nian的测试，就是把这四种组合并行投入实战。他的测试任务不是什么抽象基准，而是实打实的编码、Agent工作流、复杂推理和实际项目等场景。

结果让人大跌眼镜。赢的不是参数最大、思考最深的Pro-Max，而是最便宜、最轻量的Flash。就是这个每百万token输入成本仅约0.14美元的模型，在20个任务中硬生生拿下了7个第一。

其中5个是编码任务。在这些任务里，Pro-Max虽然思考了更久，输出的token量是Flash的4.3倍，但最终的答案却和Flash相同，甚至更差。一个典型的场景是，Flash用800个token就干净利落解决的问题，Pro-Max要花掉3400个token，成本相差了大约120倍。

这个发现很反直觉，但也很致命。它揭示了一个容易被忽视的事实，即更贵的模式、更深的思考，并不一定带来更好的实际产出。很多时候，Flash之所以能赢，恰恰是因为它没有被过多的思考带偏方向，反而更直接地命中了问题的核心。

Chew Loong Nian总结道，除非你的任务特别需要极致的深度推理，否则开发者在实际项目中应该优先考虑Flash。它用实际表现证明了，在大多数真实场景下，性价比并非一种妥协，本身就是一种强大的能力。

他还提到了DeepSeek在KV Cache压缩上的一个创新，被形容为没人预见到的10% KV缓存技巧。正是这项技术，让Flash能在极低的成本下依然维持高水平的性能表现。这是支撑其性价比优势的工程底座。

02 Pro的对手，是另一个维度的“人”

当然，这不代表Pro版本就弱。恰恰相反，DeepSeek给V4-Pro定的目标，直接对标的是当今世界的顶级闭源模型。

《麻省理工科技评论》引用了DeepSeek官方分享的基准测试结果，指出V4-Pro的性能与Anthropic的Claude Opus 4.6、OpenAI的GPT-5.4和谷歌Gemini 3.1相当。与其他开源模型相比，比如阿里巴巴的Qwen 3.5或Z.ai的GLM 5.1，V4在编码、数学和STEM问题上全面超越，成为有史以来最强大的开源模型之一。

但在一些第三方汇总的评估中，它与头部模型的差距依然存在。

专注AI新闻分析的网友@thehypedotnews根据一个名为人工智能分析智能指数的评估框架，给出了这样一组对比。如果将顶级模型的能力指数化，GPT-5.5是60，Claude Opus 4.7是57，DeepSeek V4-Pro则是52。

性能低了约13%，但价格呢？

他紧接着算了一笔更让人震撼的账。每百万token输出价格的加权平均值，在不考虑任何折扣的情况下，GPT-5.5是30.21美元，Claude Opus 4.7是25美元，而DeepSeek V4-Pro只要1.73美元。

更狠的是，如果在V4发布初期的75%促销折扣期间使用，Pro的输出价格会进一步降至0.87美元每百万token。这个价格，比GPT-5.5便宜了35倍，比Claude Opus便宜了29倍。

用13%的性能差距，换一个35倍的价格优势，这已经不是同一个维度的竞争了。@thehypedotnews评论说，当一个模型能以6%的成本提供87%的能力时，我们更优秀就不再是唯一的卖点了。AI的商业化应用，正在以一种粗暴的方式被商品化，而DeepSeek V4无疑是这场价格战最激进的发起者。

不仅如此，DeepSeek还进一步将输入缓存价格下调至原来的十分之一。开源版本采用MIT许可协议、允许免费自托管，同时云端API定价又极具攻击性，这种打法被形容为掌控市场两端。开发者既可以选择完全免费的本地部署，也可以以极低的成本调用云端服务。这给了使用者前所未有的灵活空间。

03实战的B面：当“跑分王者”遭遇“滑铁卢”

但性价比的账算得再漂亮，终究要经受一个检验。当这些模型被投入真实的、复杂的、不可预测的任务中时，纸面上的优势还能兑现多少？

AI应用开发与测试团队Build Fast with AI设计了一场堪称残酷的终极压力测试。他们将2026年4月的三大巨头，即GPT-5.5、DeepSeek V4和Claude Opus 4.7，置于一个单一自主循环中，要求它们从零构建一个宝可梦风格的完整战斗引擎。这不是写个静态页面，而是要做出一个功能完整的游戏。

结果成了清晰的分水岭。GPT-5.5的表现被描述为以压倒性优势获胜。它不仅写了代码，还自主调用了GPT-image-2图像模型，为游戏生成了赛博狼和霓虹龙等怪物资源。它构建了一个响应式的HUD界面，并且在测试者说运行之前，就已经自我修正了战斗日志中的状态不匹配问题。整个表现，被形容为像一位资深首席架构师。

Claude Opus 4.7呢？组件结构写得很出色，但游戏循环崩溃了，从未真正运行起来。

而DeepSeek V4交出的答卷更为惨淡，那是一个静态的UI界面，逻辑存在错误，游戏根本无法运行。

在这场测试中，Opus和DeepSeek连一个功能循环都难以实现。Build Fast with AI借此提出了一个判断，到了2026年，我们需要的已经不只是能懂代码的模型了，而是能执行任务的智能代理，能自主规划、调用工具、修正错误、完整交付成果。

类似的挫败也出现在更垂直的领域。AI Agent开发与测试员@akokoi1分享了他用DeepSeek V4做量化交易的经历。策略和代码全线交给V4自己写。他接入了OKX刚开源的agent-trade-kit，一个MCP服务器，能把现货、合约、期权、网格交易、算法单的接口全部直接提供给AI调用。

他说，和传统的编程时代相比，现在的工作流完全变了。过去写量化交易，需要自己读交易所文档、封装REST和WebSocket接口、处理签名鉴权、踩限频的坑、做双向对账，代码里有一半都在处理这些基础设施。而现在，他只需要直接调用MCP工具拿K线数据、下单、设止损，把精力全放在描述策略逻辑上。

他坦言V4写代码本身是足够用的，逻辑顺、能看懂市场结构、能把指标拼起来。策略报告写得有板有眼，前端写得也很不错，非常自信。但跑起来就拉胯了。

自动运行了一天，一开始几笔是盈利的，之后就一直在亏损。他用“再这么亏下去裤衩都会亏没”来形容这种挫败感。模型在纸面上把策略分析得头头是道，代码看起来也像模像样，但一旦接入真实市场，面对噪音、波动和不可预知的边缘情况，就露出了破绽。

接下来他打算把同样的策略交给Claude Opus和GPT-5.5再各写一套，看看不同模型在量化策略这个具体场景上，风格和能力差异能有多大。

这些测试描摹出了V4的一个弱点。在需要复杂工程落地或高度复杂的真实代码库环境中，它的表现依然不尽如人意。虽然对于很多任务来说它是极具性价比的选择，但在面对最苛刻的编程挑战时，GPT-5.5和Claude仍是更可靠的选择。

这不是说V4不好，而是明确了它的边界。别当成能包揽一切的神器，至少在需要审美判断和工程精细度的工作上，GPT-5.5和Claude仍然更稳。