DeepSeek V4 Pro 正式版評測出爐：只贏 Flash 1 分，貴 3 倍

2026-08-13農曆七月ㄧ日鬼門開的深夜，Hermes突然給我發來提示，DeepSeek V4 Pro 正式版悄悄上線（模型版本 DeepSeek-V4-Pro-0813）。

今天早上，Artificial Analysis（以下簡稱 AA，業界最常看的第三方評測機構）的數據出來了。

一句話結論：Pro 正式版沒有官方說的那麼強。AA 測出來 53 分，只比 Flash 的 52 分多 1 分，但價格貴 3 倍。

一、AA 數據：Pro 只贏 Flash 1 分

AA 的 Intelligence Index（綜合 9 項基準，涵蓋推理、知識、數學、程式）最新排名：

Claude Opus 5 (max)：63 分，價格 $5/$25

Claude Fable 5 (max)：62 分

Grok 4.6 (high)：61 分（#6/183），價格 $2/$6

GPT-5.6 Sol (max)：61 分，價格 $5/$30

Kimi K3：60 分級

DeepSeek V4 Pro 0813 (max)：53 分（#23/605），價格約 $0.42/$0.84（¥3/¥6）

DeepSeek V4 Flash 0731 (max)：52 分（#4/104），價格 $0.14/$0.28

兩個重點：

第一，Pro 跟 Flash 的差距，只有 1 分。

DeepSeek 官方發布的 benchmark 表說 Pro 贏 Flash 很多（Terminal Bench 87.9 vs 82.7、DeepSWE 62.7 vs 54.4）—— 但 AA 獨立測出來，綜合 intelligence 兩者幾乎一樣。

第二，而 Pro 貴 3 倍。

Flash 輸入 ¥1/百萬、輸出 ¥2/百萬；Pro 輸入 ¥3、輸出 ¥6。Flash 還快得多——輸出速度 127.9 tokens/秒，比 Grok 4.6 的 85.8 快一半。

二、為什麼官方跟第三方差這麼多？

兩個原因。

第一個：官方數據還沒被獨立驗證。

DeepSeek 的 GA benchmark 數據最初是透過 WeChat 群流出的，截至今天仍未被 AA 等獨立機構驗證。

官方當然會挑對自己有利的數據——等第三方正式跑完再下結論比較穩。

第二個：Pro 是「偏科生」。它強在 agentic（代理）任務：Terminal Bench 87.9、CyberGym 83.3、DeepSWE 62.7，這些都是「長時間跑代理任務」的分數。

但純知識推理（HLE，無工具）它輸 Claude Opus 5 約 12 分。

AA 的 53 分是九項加權——知識項拖後腿，agentic 項拉分。

還有一個很多人沒注意的：Pro 是純文字模型，不支援圖像輸入。

Flash 反而有。

三、那 Pro 到底值不值？

看你用在哪。

先說我的失望。Pro 是 DeepSeek 的旗艦（1.6T 總參數、49B 激活），Flash 只是輕量版（284B/13B）——本來期待這次正式版能完全第一名，跟 Grok、Fable 同級。

結果 AA 測出來：Pro 53 分，只贏 Flash 1 分，價格卻貴 3 倍。

這不是 Pro 變弱，是 Flash 太強... 0731 重訓後，Flash 以 $0.14/$0.28 的價格做到 52 分，等於把 Pro 的生存空間整個吃掉。

「旗艦應該輾壓輕量版」的期待，落空了。

對 Agent 任務（寫程式、跑工具、長時間任務）—— Pro 有它的價值。

官方報的 Terminal Bench 87.9，跟 GPT-5.6 Sol 的 89.5、Claude Opus 5 的 89.1 只差 1.6 分，但價格是它們的 1/12 到 1/30。

在「要做困難的 agent 任務但不想付閉源旗艦價」的場景，Pro 是合理的。

對大量、高頻、成本敏感的任務——Flash 完勝。只差 1 分、快 50%、便宜 3 倍、還支援圖像。

我的 StockGPT 分析、題庫管線全部跑 Flash，沒有換的理由。

業界分析（Deva）給的配置建議，跟我的用法一樣：Flash 當 worker（高量、便宜、隨便跑），Pro 當 main（長程思考、困難任務）。

四、順便聊聊 Grok 4.6

同一天（8/12），xAI 也發布了 Grok 4.6。

AA 評測 61 分——追平 GPT-5.6 Sol，只落後 Claude Fable 5 一分，把 DeepSeek 全家族甩開 8 分。

更猛的是價格：$2/$6 每百萬 token，比 Claude Opus 5（$5/$25）和 GPT-5.6 Sol（$5/$30）便宜 60% 以上。

AA 說它每任務成本 $0.84，落在「性價比 Pareto 前沿」上。

還有 Grok Bot——SpaceXAI 跟 Cursor 合作推出的「AI 同事」：每個 Bot 有自己雲端電腦（VM、瀏覽器、檔案、終端），關機也繼續跑；能登入你的各種 app 實際操作；多個 Bot 平行協作。

這已經不只是模型，是「AI 團隊成員」的商業化。

五、結論

這一波模型發布，最值得記住的不是誰最強，而是：

1. 模型強不強，跟值不值是兩回事。Pro 貴 3 倍只贏 1 分，Flash 才是性價比之王。

2. 官方數據要等第三方驗證。廠商發布會挑對自己有利的數字，AA 這種獨立評測才是準的。

3. Grok 4.6 是今年最值得注意的黑馬。61 分、便宜、agent 超強——追平 GPT-5.6 不是靠吹的。

我在我的 AI 競技場（arena.wow.to）讓四大模型用虛擬資金對賭台股美股，一個月實測下來，最賺的不是最強的模型，是便宜又穩的那個（Gemini Flash 美股 +10.4% 第一名）。

模型強不強是廠商的事，賺不賺錢是你的事。

數據來源：Artificial Analysis（artificialanalysis.ai）2026-08-13、DeepSeek 官方公告、xAI 官方公告、Deva 分析（Substack）

౨ৎ Anthony 不負責任編輯 ~