Модель · DeepSeek
DeepSeek V4 Pro
Старшая модель линейки V4 от DeepSeek с открытыми весами, для агентных задач и программирования
вышла 12 августа
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗
52 место из 266
индекс 149, вероятный разброс 148–151 · весь рейтинг →
| Бенчмарк | РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста | УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен |
|---|---|---|
| DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗ | 84,4% | максимальное |
| LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗ | 48,5% | максимальное |
| Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗ | 8,6% | |
| Surface Evolver Bench16 задач: описать для физической программы Surface Evolver форму жидкости под действием поверхностного натяжения, гравитации и ограниченийЗасчитывается частичное выполнение: отдельные баллы за корректный файл, успешный прогон симуляции и совпадение объёма, площади и энергии с эталоном.Подробнее на английском ↗ | 40,0% | высокое |
| FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗ | 2,4% | максимальное |
| FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗ | 45,3% | максимальное |
| FrontierCodeМодель исправляет проблему в открытом проекте, а правку оценивают по тому, приняли бы её сопровождающие проектаБалл выставляют по критериям сопровождающих и усредняют по пяти запускам; если нарушен хотя бы один обязательный критерий, за задачу ставят ноль.Подробнее на английском ↗ | 17,6% | |
| CL-bench LifeЗадачи, которые решаются только по данным из запроса: групповые чаты, личные заметки, истории покупок и браузераПодробнее на английском ↗ | 13,5% | высокое |
| ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗ | 16,0% | максимальное |
| Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗ | 15,8% | |
| SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗ | 47,0% | максимальное |
| WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗ | 48,9% | максимальное |
| OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗ | 96,7% | |
| SWE-Bench verifiedНастоящие задачи из GitHub по проектам на Python: модель правит код, а тесты проверяют, решена ли проблемаПо оценке Epoch, в 5–10% задач есть ошибки, поэтому 100% недостижимы; Epoch считает результат по 484 задачам из 500.Подробнее на английском ↗ | 77,6% | максимальное |
| GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗ | 87,9% |
Характеристики
- Вышла
- 12 августа
- КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
- 1 млн токенов
- Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
- до 384 тыс. токенов
- Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
- $0,435 за миллион токенов
- Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле
- $0,004 за миллион токенов
- Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
- $0,87 за миллион токенов
- Понимает
- текст
- Отвечает
- текст
- РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
- да
- Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
- да
- ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
- открытые
- Идентификатор в API
- deepseek-v4-pro
Что это за модель
DeepSeek V4 Pro — старшая модель линейки V4 от DeepSeek. Она построена по схеме смеси экспертов (mixture of experts): всего у неё около 1,6 трлн параметров, но на каждый токен работают только 49 млрд. Модель обучали на 32 трлн токенов. Внимание в ней гибридное: две схемы сжатия помогают дешевле работать с длинными текстами. По данным лаборатории, на контексте в миллион токенов ей нужно около четверти вычислений V3.2 на каждый токен и десятая часть памяти под контекст.
Первую, предварительную версию V4 Pro компания выпустила в апреле 2026 года. Итоговая версия DeepSeek-V4-Pro-0813 вышла в августе и заменила её. Главное, что в ней улучшили, — агентные возможности, то есть умение самой пользоваться инструментами, запускать код и доводить многошаговые задачи до конца. По замерам лаборатории, в Terminal Bench 2.1 она набрала 87,9 балла против 72,1 у предварительной версии, в NL2Repo — 61,5 против 38,5, в DeepSWE — 62,7 против 12,8. К весам добавили модуль спекулятивного декодирования DSpark: он заранее предлагает несколько следующих токенов, и ответ генерируется быстрее.
Модель берут для программирования, работы в терминале и агентных процессов. Она умеет отвечать сразу или сначала рассуждать. Глубину рассуждений можно выбрать из трёх уровней: низкий, высокий и максимальный. Так простые задачи обходятся дешевле, а на сложные уходит больше вычислений. API модели понимает формат OpenAI Responses и быстро подключается к Codex. В приложении и на сайте DeepSeek она работает в режиме «Эксперт».
Веса выложены на Hugging Face под лицензией MIT, но из-за размера запустить модель можно только на серверном оборудовании. Модель работает только с текстом. В сентябре DeepSeek выпустила V4.1-Flash, и в независимых тестах та обошла V4 Pro.
Источники: Анонс DeepSeek-V4-Pro, Карточка модели на Hugging Face, Карточка предварительной версии
Того же уровня по индексу Epoch
-
GPT-5.4 mini
OpenAI53-е место в Epochконтекст 400 тыс.$0,75 / $4,50рассуждениядороже в 5,2 раза
-
Qwen3.6 Max Preview
Qwen50-е место в Epochконтекст 262 тыс.$1,30 / $7,80рассуждениядороже в 9 раз
Новости о модели
- 01
- 02
- 03
- 04
- 05
- 06
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).