两款主打高性价比的模型同夜撞车，梁文锋与马斯克的双强对垒，真正感受到压力的可能是OpenAI和Anthropic。

从DeepSeek官方群流出的一张评测对比表显示，V4 Pro正式版在多项智能体测试中表现亮眼。在衡量AI智能体完成真实终端环境复杂任务能力的Terminal Bench 2.1上，V4 Pro拿下87.9分，距离全球第一的Anthropic Fable 5仅差0.1分。相比预览版72.1分的成绩，三个月跃升了15.8分。

在AI安全智能体基准Cybergym上，V4 Pro以83.3分压过Fable 5的83.1分；在工作流智能体测试AutomationBench中，31.8分对29.1分同样胜出。

衡量软件工程能力的DeepSWE上，分数从预览版的12.8分飙升至62.7分，接近原来的五倍，超越了Anthropic上一代旗舰Opus 4.8的58.0分。V4 Pro正式版支持100万Token上下文长度，最大输出384K Token，并兼容OpenAI和Anthropic两种API格式，开发者几乎无需修改代码即可完成切换。

智能体是理解这次升级的关键。Terminal Bench、DeepSWE这类测试考察的是AI能不能真正“干活”——调用工具、执行多步骤任务、编写和修改代码、在长链条中持续推进直到交付结果。这正是大模型从聊天玩具走向生产工具的核心门槛。

就在V4 Pro上线前几个小时，马斯克旗下SpaceXAI发布的Grok 4.6同样剑指长周期智能体任务。在面向真实知识工作的GDPVal-AA v2评估中，Grok 4.6以1753 Elo登顶，超过了Fable 5的1741和GPT-5.6 Sol Max的1728。两款模型不约而同地将矛头指向同一件事：让AI在长任务中稳定交付可用成果。

然而价格差距令人咋舌。Fable 5每百万输出Token定价50美元，GPT-5.6 Sol Max为30美元，Grok 4.6为6美元，而DeepSeek V4 Pro仅为0.87美元，约为Fable 5的五十七分之一。0.1分的跑分差距背后，是五十七倍的价格鸿沟。

DeepSeek此次发布的另一重看点，是其智能体工具“Harness”的推进。有媒体报道，DeepSeek Harness于2026年5月内部立项，由崔添翼担任负责人。

崔添翼毕业于浙江大学计算机系，曾在量化交易机构Jane Street任职九年，2026年3月加入DeepSeek。“DeepSeek Harness团队”公众号已于今年7月6日正式注册。8月1日，崔添翼曾面向全球公开征集Harness内测用户。

性能飙升的同时，涨价预告也随之而来。8月6日，DeepSeek在开放平台发布公告，计划近期整体上调API服务定价，预计涨幅较大。这是DeepSeek首次预告整体上调API价格，而非此前针对高峰时段的局部调整。

梳理其定价时间线：4月V4发布时，V4 Pro API以2.5折优惠上线；5月31日优惠结束后，直接永久降至原价的四分之一；6月29日又引入峰谷计费。从永久降价到预告大涨，中间只隔了两个多月。

如果只把涨价理解为“扛不住成本”，可能低估了DeepSeek的意图。仅仅两个月前的6月16日，DeepSeek刚刚完成成立以来首轮外部融资，募资总额超过500亿元人民币，投后估值突破3500亿元，创下中国AI行业单轮融资纪录。

最新消息显示，DeepSeek已在推动第二轮融资，计划募资约500亿元，投前估值约5000亿元。摩根士丹利8月9日发布的研报给出了三个驱动因素：V4模型需求旺盛支撑了更强的定价能力；厂商需要在市场份额与毛利率之间寻求平衡，以持续投入前沿模型研发；更多使用国产芯片可能带来更高的推理成本。

报告认为，模型智能而非价格，才是大模型竞争的终极壁垒。

DeepSeek的涨价并非孤例。据摩根士丹利统计，以字节跳动、阿里、百度、腾讯、智谱、月之暗面、MiniMax及DeepSeek为样本，中国大模型平均API输出价格已从2025年一季度的约12.2元/百万Token回升至2026年二季度的21.9元/百万Token。智谱API定价较去年底累计上调约83%，但调用量反而增长了400%。腾讯在3月至4月间两轮上调模型API价格，部分涨幅高达463%。

纵观整个AI行业，算力供需、芯片采购成本、运营成本持续走高，单纯靠低价换规模的模式难以为继。当头部厂商都不再以价格为唯一竞争手段，行业下半场的焦点已经明确：不是谁更便宜，而是谁真能解决问题。