AREX Feed Article
爱范儿实测 DeepSeek V4 Pro 0813：Codex、Claude Code 已接入，下一张牌是 Harness
8 月 13 日 07:38（北京时间），在 36氪 经授权发布了对 DeepSeek V4 Pro 正式版的上手实测。作者把 deepseek-v4-pro 同时接进 Codex 和 Claude Code，跑完文字、邮件和多组编程任务后的结论是：复杂任务完整度有所提高，但「总感觉少了一些特别惊艳感，甚至有些地方没有比 V4 Flash 拉开想象中那么大的差距」。该文观点仅代表作者本人。
这篇实测距正式版上线不到一天。8 月 12 日晚，DeepSeek 上线 V4 Pro 正式版，报道称最先更新的是 API 文档，新模型版本号为 DeepSeek-V4-Pro-0813，官方没有调升价格；社区账号 同日报告 GA 版开始在 DeepSeek API 与 DeepSeek Chat 铺开； 同日上架 deepseek/deepseek-v4-pro-0813，标注 8 月 12 日 GA、1M 上下文、$0.435/$0.87。发布与马斯克的 Grok 4.6 撞在同一天。
Codex CLI、ChatGPT 桌面端和 VS Code 插件共用一份配置
作者把模型同时接进 Codex 和 Claude Code，文章展开的是 Codex 这一侧：DeepSeek 已经原生支持 OpenAI Responses API，官方直接提供 Codex 接入方案，配置完成后，Codex CLI、ChatGPT 桌面端和 VS Code 的 Codex 插件共用同一份配置。当前的模型版本正是 DeepSeek-V4-Pro-0813，Responses API、Tool Calls、Anthropic API 与 Json Output 均打勾。
编程测试一共四道题。第一道是「大而全」前端：经典的 macOS 风格 Web OS，所有代码放进单个 HTML 文件，还要包含文本编辑器、Terminal、代码编辑器、游戏、文件管理、画图和视频编辑等应用。作者评价，单看完成度，这是他此前测过的同类模型里功能最丰富的一版，多个应用做出了基本界面和交互，系统框架也比较完整，「只不过审美嘛，就比较中规中矩了」。
第二道是拍立得相机，要求完整模拟按快门、闪光、出纸和 8 到 10 秒化学显影，叠加复古偏色、轻微杂色和宝丽来表面质感。成品动画衔接自然流畅。
第三道上了强度：用 Three.js 和 WebGL 生成可交互的黑洞吸积盘，鼠标改变观察角度后，星空、吸积盘和光线弯曲都要跟着变化。这一题暴露短板：V4 Pro 对粒子数量、实时计算、渲染开销和动画复杂度的控制仍偏激进，「光打开网页，我的 M2 电脑已经开始明显掉帧」。
第四道是科幻飞船驾驶舱 HUD，涉及动态准星、雷达、航向、速度、能量、目标锁定和鼠标惯性偏移，主要交互关系都做了出来。
28 秒写完道歉邮件，还附赠答题思路
文字测试排在编程之前。第一题是「命题作文」：模仿鲁迅写约 400 字短文，吐槽现代人饿着肚子也要先给饭菜拍照发朋友圈，同时兼顾年代感、讽刺和幽默。作者的评价是：开头直接借用了鲁迅最具辨识度的经典句式，模仿痕迹明显，但没有把「鲁迅风」机械理解成半文半白、生僻词和之乎者也，「AI 命题作文味」已经比较淡。
第二题更接近日常工作：假设公司内部失误导致大客户定制系统延期一周，写一封道歉邮件，要求承认责任、提出补偿，又不能把客户合作信心写没了。V4 Pro 没有用「多方面因素」「项目节奏调整」这类模糊表达，而是直接写「此次延期完全源于我方内部的失误」，随后给出延长质保、增加免费培训和专属运维三项补偿。整封邮件 28 秒左右完成，正文基本到了修改一下信息就能用的程度；写完还额外解释了一遍为什么这么写。
没有图像输入，涨价仍停留在文档预告
按作者掌握的现有模型信息，V4 Pro 正式版的主要能力仍集中在文本、推理、Coding、Tool Calls 等方向，暂时没有图像、视频等原生输入能力，「多模态目前并不是 V4 Pro 正式版的重点」。
价格目前没有动。爱范儿列出的价格是缓存命中输入每百万 tokens 0.025 元、未命中 3 元、输出 6 元，约为 V4 Flash 的三倍，放到全球市场依然便宜。DeepSeek API 文档同口径的美元价格是缓存命中 $0.003625、未命中 $0.435、输出 $0.87，并发上限 500，低于 V4 Flash 的 2500；页面注明「计划近期整体上调 API 定价，且预计涨幅较大」。机器之心报道，V4 Flash 正式版发布后全球用量激增，官方 API 多次出现性能下降，涨价酝酿正是在这一背景下。补充，这一涨价预告 8 月 6 日已经发出。
智东西引用的官方基准显示，DeepSWE 从预览版的 12.8 涨到 62.7，Cybergym 与 AutomationBench 上超越 Claude Fable 5；该媒体还提到，有 X 网友对比发现网页端与 API 调用的思维链输出存在明显差异，API 输出话术生硬、语序别扭。这些数字出自 DeepSeek 的基准表，爱范儿这篇实测只是引用了跑分图，没有复现。
下一张牌藏在 Harness：崔添翼挂帅，公众号已注册
这篇实测的后半段，落点放在 Agent 上。作者认为，如果 Flash 已经能完成 80% 甚至 90% 的任务，Pro 只负责少数高难度节点，那么真正高效的系统会动态决定什么时候调用 Flash、什么时候调用 Pro，而不是全程挂着最贵的模型。模型之间的能力梯度，本身可以变成 Agent 的成本优化空间。
承接这件事的是 DeepSeek Harness 部门。爱范儿称，过去两三个月，正式挂帅该部门的崔添翼「在各个平台疯狂摇人」；名为「DeepSeek Harness 团队」的官方微信公众号近期完成注册，认证主体属于深度求索，目前还没有发布内容。
作者解释，模型只负责推理，Agent 如何读文件、调工具、管理上下文、失败重试和持续执行，靠的是外面的运行框架；Claude Code 和 Codex 的实际体验从来不只由底层模型决定。Harness 眼下最现实的工作，是决定什么任务值得上 Pro、什么任务交给 Flash，路由做好后，Agent 就不必为少数高难度步骤全程承担 Pro 的价格。
开源编码代理 8 月 12 日宣布，最新 DeepSeek V4 Pro 已进入 OpenCode Go。
官方的涨价预告只写了「预计涨幅较大」，幅度和生效时间都没有给出。等涨价落地，Harness 决定「什么任务值得上 Pro」就会从优化项变成成本问题，这是实测之后最值得继续盯的一条线。