重點

DeepSeek 靜悄悄地以 0813 構建取代了 deepseek-v4-pro，將其旗艦模型從預覽版本轉為一般可用釋出。在多個對兩款模型皆有評分的代理基準測試中，Anthropic 的 Claude Fable 5 平均約比 DeepSeek 報告的分數領先 5%，但在移除離群值後差距通常較小。決定性的差異在於成本：Fable 5 的公開定價比 V4 Pro 高出數個數量級，導致每項任務的支出差距在實際大規模部署時顯得很重要。

情緒分析

• 整體情緒呈混合偏務實樂觀。此更新顯示 DeepSeek 的技術進展，並透過正式標註 0813 釋出來降低不確定性，但仍缺乏外部驗證的比較。文風同時承認在基準上略微偏向 Claude Fable 5 的性能差異，以及 DeepSeek 產品在經濟上的顯著優勢。主要的情感結論是謹慎的興趣：讀者可能會對成本效益感到興奮，同時在外部實驗室驗證新構建之前保持懷疑。
55%

文章內容

DeepSeek 已悄然更新其旗艦模型的部署，將先前可用的 deepseek-v4-pro 預覽版本替換為標註為 0813 的構建。此變更出現在公司的 API 定價頁面，並未附帶正式的部落格文章或公告，顯示內部已從預覽過渡到一般可用。模型的定價保持不變，但底層權重已更新——此細節對基準表現與實際成本計算都有影響。

多個組織發布的獨立比較顯示，在一系列代理式基準測試中，Anthropic 的 Claude Fable 5 略微領先於 DeepSeek。DeepSeek 自身在十個基準上的比較表顯示，在 Fable 5 領先的情況下其平均約有 5.3% 的優勢，而 DeepSeek 在兩項測試中宣稱勝出。如果移除一個特別大的差距（Fable 領先超過十分百分点的離群值），Fable 5 的平均領先幅度在剩餘基準上降至約 2.8%。這些差異很小，強調兩款模型在許多任務上都接近前沿水準。

兩者明顯分歧的地方在於價格。Anthropic 公開的 Fable 5 價格約為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元。DeepSeek 的 V4 Pro 定價約為每百萬輸入 0.435 美元、每百萬輸出 0.87 美元，且快取輸入費率更低。在綜合或實際使用指標上，結果是數千％的成本差異：在一些公開計算中，Fable 5 的混合成本比較被引用為高出約 4,600%。以每個完成任務計算成本時，第三方測量顯示 Fable 5 每個基準任務要花費數美元，而 DeepSeek 的變體僅需幾美分——在大規模時差異會迅速累積。

另一個使情勢複雜的因素是更廣泛的供應商生態系。舉例來說，Anthropic 的 Claude Opus 5 reportedly 在許多基準上超越 Fable 5，且收費較低，這削弱了簡單以高價證明高效能的說法。與此同時，使用開放權重的中國實驗室與公司持續釋出在成本上極具競爭力且分數可匹敵的模型。一些近期釋出已縮小與頂級美國模型的表現差距，同時提供可觀的價格優勢，而 DeepSeek 的權重以 MIT 授權提供於公開倉庫，使得獨立評估成為可能。

並非 DeepSeek 的所有基準項目都能外部驗證。該公司在公用與內部資料集的混合上為模型打分；所引用的十個基準中有兩個是內部測試，沒有公開排行榜。DeepSeek 於先前釋出時附帶的說明提到即將提供標準化評估的工具（一個最小測試框架模式），但在公司發布比較時該基礎設施尚不可用。因此，許多觀察者指出廣為流傳的分數是基於預覽構建，而在更新出現時尚未有獨立實驗室對 0813 權重進行基準測試。

儘管有這些注意事項，更廣泛的趨勢是一致的：來自中國與其他國際實驗室的低成本、開放權重模型經常在準確度上接近較高價的西方產品，同時提供極低的成本基礎。對於執行大量推論的組織而言，這些成本差異會決定哪款模型在經濟上可行。對於研究人員與評估者，DeepSeek 權重的可得性與新構建的明確標註代表第三方現在可實際進行驗證。

簡言之，0813 更新正式化了一個曾以預覽形式測試的釋出，並強化了業界的一個持續主題：基準上小幅的性能差異可以與巨大的價格差距並存。對企業與研究者而言，正確的選擇取決於可接受的性能邊際、合規與授權需求，以及整體擁有成本。 在大規模下的成本效益可能勝過小幅的準確度提升， 但仍需對 DeepSeek 的 0813 構建進行獨立基準測試以確認公司公布的比較數據。

關鍵見解表