DeepSeek V4-Pro
PulseAugur coverage of DeepSeek V4-Pro — every cluster mentioning DeepSeek V4-Pro across labs, papers, and developer communities, ranked by signal.
- instance of DeepSeek-V4 Flash 90%
- used by Claude Opus 4-8 90%
- used by DeepSeek-V4 Flash 90%
- developed by DeepSeek Chat 90%
- affiliated with deepseek-reasoner 90%
- developed by Fireworks AI 90%
- uses DeepClaude 90%
- used by Ascend 910C 90%
- used by Tencent 90%
- used by Huawei Ascend 90%
- uses Nexotao 90%
- developed GB300 NVL72 90%
- 2026-10-13 product_launch The price of DeepSeek V4 Pro has increased by 95%. 来源
- 2026-09-12 product_launch DeepSeek is retiring its DeepSeek V4-Pro model and rerouting all requests to the V4.1-Flash variant. 来源
- 2026-09-09 product_launch DeepSeek has reportedly discontinued its DeepSeek V4 Pro model. 来源
- 2026-09-05 product_launch DeepSeek has launched its V4 Pro model. 来源
- 2026-08-31 product_launch DeepSeek V4 Pro announced a 22% price cut. 来源
- 2026-08-31 product_launch DeepSeek V4 Pro experienced significant price volatility, with reports of both a price cut and a subsequent surge. 来源
- 2026-08-18 product_launch DeepSeek V4 Pro API prices increased significantly, particularly for cache hit inputs. 来源
- 2026-08-16 product_launch DeepSeek launched its V4-Pro model with enhanced agent capabilities and a significant price increase. 来源
- 2026-08-13 product_launch DeepSeek has launched its V4-Pro model and open-sourced its agent software Harness v0.1. 来源
- 2026-08-13 product_launch DeepSeek V4-Pro and Grok 4.6 models were identified, marking new releases in the LLM space. 来源
- 2026-08-13 product_launch DeepSeek is launching its V4 lineup of AI models and updating API pricing. 来源
- 2026-08-13 regulatory DeepSeek V4 Pro's input price increased by 86%. 来源
- 2026-08-13 product_launch DeepSeek has officially released the DeepSeek-V4-Pro model. 来源
- 2026-08-13 product_launch DeepSeek officially released its V4 Pro model on August 12, 2026, featuring significant improvements in agentic coding benchmarks. 来源
- 2026-08-12 product_launch DeepSeek launched its V4-Pro-0813 model with a one-million-token context window and agent-developer tooling. 来源
26 天有情绪数据
-
腾讯 Hy4、DeepSeek V4 Pro、Qwen3.8 Max:开源模型对决
对来自中国实验室的三款领先开源模型——腾讯的 Hy4、DeepSeek 的 V4 Pro 和阿里巴巴的 Qwen3.8 Max——进行了比较,评估了它们在 2027 年的性能、定价和许可。DeepSeek V4 Pro 在经过验证的编码基准测试中表现领先,并采用 MIT 许可,是准确性和自托管的有力选择。腾讯的 Hy4 提供了具有竞争力的定价和智能体能力,特别是其 Flash 版本可实现经济高效的 API 使用。Qwen3.8 Max…
-
Sonnet 5.5 和 Fable 5.2 在新 AI 排行榜上并列榜首
最新的 AI 模型排行榜显示,Sonnet 5.5 和 Fable 5.2 并列榜首,得分均为 130 分中的 121.5 分。Gemini 4 Neon 已成为迄今为止表现最佳的 Gemini 模型。此外,DeepSeek V4.1 Flash 的表现比其 V4 Pro 版本高出两分,并且已发布的 HY4 模型与其预览版本性能相当。
-
Contra Labs推出由设计师评判的AI Frontier Design Benchmark
Contra Labs推出了Frontier Design Benchmark,这是一个用于评估AI设计能力的全新评估系统。该基准测试使用了Contra市场上的真实客户简报,并由专业设计师进行评判。该系统包括一个设计评论评分表和一份常见AI设计缺陷列表,评分与人类设计师的评分高度相关。
-
LLM延迟基准测试的陷阱:116个模型揭示的3个陷阱
对LLM延迟进行基准测试充满挑战,116个模型的这项研究就证明了这一点。即使是同一个模型和端点,由于随时间变化的显著差异,单次测量也可能具有高度误导性。作者强调了三个关键陷阱:依赖单一数据点(n=1)、测量通用API路由而非特定模型,以及假设模型目录准确且最新。为解决这些问题,作者建议使用至少三次请求的中位数,在报告中同时包含中位数和范围(最大值-最小值),并通过无效请求验证模型是否活跃以确保目录准确性。
-
研究发现:AI助手因存储的偏好会悄悄省略关键信息
一篇新的arXiv论文介绍了一个名为“bench”的基准测试,用于测试AI助手如何处理存储的用户偏好,特别是当这些偏好导致关键信息的遗漏时。研究发现,当Gemini 2.5 Flash-Lite和DeepSeek V4 Pro等模型在接受了简洁偏好设置后,会在其响应中悄悄遗漏重要细节。这些模型在依赖价值的场景中也开始为用户做决定,这种行为在采用中性记忆设置时并未观察到。研究表明,在应用用户配置文件之前明确列出关键信息点有助于在某些模型…
-
MatOS开源以提高材料科学研究效率
研究人员已开源MatOS,这是一个旨在增强材料科学研究的智能体系统。MatOS将数据、工具和工作流组织成一个分层结构,使研究人员和系统本身都能构建和发展新能力。在基准测试中,与其他智能体系统相比,MatOS在成功率和效率方面表现出显著提升,尤其是在涉及大规模筛选和配方设计任务时。
-
AI系统Turing Agent验证复杂数学证明,引发争议
研究人员开发了Turing Agent系统,旨在形式化验证大型语言模型生成的数学证明。该代理利用双尺度架构,拥有专门的定理和证明形式化代理,在具有挑战性的理论计算机科学问题上取得了显著的成功率。虽然大型语言模型已被证明能够处理复杂的数学研究,但人们也开始担忧AI的发展目标与数学界关注的重点(即洞察力和理解力,而非仅仅解决问题)是否一致。
-
报告称中国AI模型可能使用受限的Nvidia GPU · 跟踪1个来源
一位前OpenAI研究员发布了一份报告,声称六款中国AI模型表现出使用受出口管制Nvidia Blackwell GPU的指纹。该方法通过分析由GPU上特定数量计算单元塑造的初始权重分布的统计回声。尽管地缘政治影响仍在辩论中,但这一发现将硬件出处作为开放权重AI模型尽职调查的关键因素,在基准分数和许可证之外增加了另一层审查。
-
Qwen Office 增加 10 款大语言模型选择,包括 Qwen4-Max 和 Kimi
Qwen Office 推出了新功能,允许用户从 10 种不同的大语言模型中进行选择,包括其新发布的 Qwen4-Max,以及来自 Kimi、GLM、DeepSeek 和 MiniMax 的模型。此次扩展旨在满足用户日益个性化的 AI 代理需求,认识到不同模型在不同任务上提供不同的性能、速度和成本效益。用户现在可以选择针对复杂推理、分析任务或快速内容生成而优化的模型,企业管理员还可以按部门或用户组管理模型访问权限。
-
9B模型在数学基准测试中击败DeepSeek V4 Pro,但背景信息是关键 · 跟踪1个来源
一个90亿参数的模型,通过使用DeepSeek V4 Pro生成的数据对Qwen3.5-9B进行微调,在GSM8K数学基准测试中取得了令人印象深刻的成绩,得分94.50%,而DeepSeek V4 Pro的得分为92.60%。虽然数字准确,但声称‘击败’一个更大的模型需要背景信息,因为这个9B模型是专门针对数学和STEM数据进行训练的,这与测试内容相呼应。在相同条件下独立验证这些结果仍在进行中,并且该模型在编码或一般对话等其他领域的性…
-
Adzuki AI推出智能LLM路由以降低成本并提高性能
Adzuki AI开发了一个名为adzukiai-smart的智能路由层,可自动将用户请求路由到最合适且最具成本效益的LLM。该系统旨在防止用户为简单任务过度花费昂贵的旗舰模型,或为复杂任务使用性能较差的廉价模型。路由过程包括三个关卡:检查上下文长度、应用硬规则以及使用闪电模型进行语义分析,并设有回退机制以确保请求完成。
-
新研究查明库存模拟中基础模型的错误
一篇新研究论文探讨了如何在处理双时间库存数据时识别和修复基础模型中的错误。该研究模拟了跨各种模型的超过36,000个请求,发现不同模型表现出不同的错误模式。规范输入和精确续写被确定为特定错误类型的有效补救措施,但其有效性因模型而异。研究还强调,强制模型使用工具调用接口有时会阻碍它们的推理能力,特别是对于GPT-5.4 mini和DeepSeek V4 Pro等某些模型。
-
AllenAI发布XYBench,测试AI助手对用户潜在问题的掌握程度
AllenAI推出了XYBench,这是一个新的基准测试,旨在评估AI助手在用户提出基于误解的问题时,识别和解决潜在问题的能力。该基准测试包含编程和日常任务中的8115个问题,测试AI识别“XY问题”的能力——即用户不是寻求实际目标的帮助,而是寻求解决错误方法的帮助。对Claude Sonnet 4.6、GPT-5和Gemini 3.1 Pro等模型的初步评估显示,它们常常难以引导用户走向正确的解决方案,而是专注于用户陈述的、但错误的解决方法。
-
新的XYBench基准测试AI助手处理用户错误概念的能力 · 跟踪到1个来源
研究人员推出了一种名为XYBench的新基准测试,旨在评估AI助手处理基于错误概念的用户查询的能力,这是一个常见的被称为XY问题的难题。该基准测试包含来自Stack Overflow和WikiHow等各种来源的8000多个问题,评估AI模型是否能在用户询问错误方法(Y)的帮助时,识别出用户潜在的目标(X)。早期评估显示,Claude Sonnet 4.6、GPT-5和Gemini 3.1 Pro等领先模型常常难以引导用户放弃错误的假设…
-
Codex CLI 增加第三方模型支持,提供四步验证
Codex CLI 已更新以支持第三方模型,重点在于确保其可用性,而不仅仅是保存配置文件。该过程涉及四个关键检查:验证模型 ID 是否已公开,确认 API 返回可见文本,确保 Codex 加载了正确的模型和提供商,以及检查本地命令策略以执行工具操作。在 Windows PowerShell 上使用 DeepSeek-V4.1-Flash 进行测试,证明了成功的 API 响应和模型加载,而 GLM-5.3-Flash 尽管通过了身份验证…
-
Folio系统提升长时域语言代理效率
研究人员开发了Folio,一种旨在提高长时域语言代理效率的新型上下文管理系统。与依赖模型总结历史的现有方法不同,Folio以编程方式跨多个分辨率级别折叠上下文,使代理能够更有效地访问和恢复过去的信息。在LOCA-Bench任务的评估中,Folio在任务完成率方面显示出显著的改进,并与其他压缩方法相比降低了运营成本。
-
QuickSilver Pro 对编码和提取任务的 LLM 进行基准测试
QuickSilver Pro 发布了一份指南,比较了不同工作角色和预算的几种大型语言模型。该指南详细介绍了 2026 年 10 月 20 日在 OpenCode 和 Crush 上进行的 17 项任务、Claude Code 运行和测试的基准测试结果。对于编码任务,推荐使用 Claude Sonnet 5.5,因为它性能和成本效益高;而 Claude Haiku 5.5 则适用于更便宜、更简单的任务。该指南还评估了 Kimi K3、…
-
统一API简化中国AI模型供全球开发者使用
一项新的网关服务正在简化中国大陆以外的开发者访问七个领先的中国AI模型的流程,消除了中国手机号验证和人民币计费等障碍。该服务提供统一的API、单一API密钥以及美元按token计费。定价结构显示,输出token的成本始终是输入token的数倍,使得输出成本成为模型选择的主要因素。选择模型时需要考虑的关键因素包括提示缓存经济性、实际上下文窗口需求以及对延迟与批量处理的敏感度。
-
为紧急情况开发离线急救AI助手
研究人员开发了HandsOnAid,一个专为没有网络连接的紧急情况设计的离线急救助手。该助手使用了在FirstAidQA数据集上通过QLoRA微调的4位Gemma 2B模型,该数据集包含5,550个急救问答对。使用GPT 5.6 "Sol"和Claude Opus-5等前沿LLM裁判以及一名医学专业人士进行的评估表明,微调提高了响应分数,但总体分数仍然偏低,表明在ANZCOR指南方面的训练数据可能存在不足。该模型在Pixel 7 Pr…
-
未经审查的 AI 模型 xtools-at/DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic 获得关注
一个未经审查的开放权重文本生成器 xtools-at/DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic 正在 Hugging Face 上获得显著关注。该模型已获得 931 个赞和 7.1k 月下载量,一份报告显示 30 天内下载量为 14.4k。这种快速的采用表明未经审查的 AI 模型受众正在增长。