DeepSeek-V4中文测评发布 | 重回国内第一！

模型介绍

DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 是深度求索于2026年4月24日开源的 DeepSeek-V4 系列模型的两个预览版本。该模型携手国产芯片，在 Agent 能力、世界知识和推理性能上均实现了国内及开源领域的领先。DeepSeek-V4 开创了一种全新的注意力机制，在 token 维度进行压缩，不仅实现了全球领先的长上下文能力（百万级别），还大幅降低了对计算和显存的需求。

SuperCLUE团队基于2026年3月中文大模型测评基准体系，对 DeepSeek-V4-Pro(max) 和 DeepSeek-V4-Flash(max) 的中文能力进行了测评，以下是测评结果与分析：

测评结果与分析

一、榜单概览

1. SuperCLUE智能指数（2026年3月通用测评）

2. SuperCLUE开源模型对比（2026年3月通用测评）

3. 2026年3月总体表现

二、测评分析

1. 总体表现

DeepSeek-V4-Pro(max)（70.98分）在3月中文通用能力测评中取得国内第一的成绩，六大任务均跻身国内前三。DeepSeek-V4-Flash(max)（68.82分）在3月中文通用能力测评中位于国内第二，整体表现不俗。

DeepSeek-V4系列模型相较于V3.2整体提升显著，特别是在智能体（任务规划）、数学推理、科学推理以及指令遵循能力上，在代码生成和幻觉控制也有小幅优化，但相较于海外顶尖模型还存在一定的差距，差距主要在代码生成、指令遵循和智能体（任务规划）这三大任务上。

2. V4-Pro对比V4-Flash

DeepSeek-V4-Pro(max)在3月中文通用能力测评中领先Flash超2分，二者在推理能力上展现出相当的水平，甚至在数学推理任务上Pro版本（87.39分）由于过度思考稍逊于Flash版本（89.08分），但在应用能力上Pro领先Flash超过4分，特别是在幻觉控制任务上，Pro领先5分左右，更大的参数量让模型拥有了更加丰富的知识储备，能够更加有效地减少幻觉内容的输出。

3. 与DeepSeek-V3.2-Thinking的对比

DeepSeek-V4-Pro(max)相较于DeepSeek-V3.2-Thinking在六大维度上实现全面提升。其中智能体（任务规划）提升超过20分，指令遵循提升近12分，数学推理提升超9分，科学推理提升超6分，代码生成和幻觉控制均在3分左右。

DeepSeek-V4-Flash(max)相较于DeepSeek-V3.2-Thinking在五大维度上实现全面提升，仅有幻觉控制任务出现小幅下降，其中智能体（任务规划）依旧是提升最显著的任务，提升接近19分，数学推理提升近11分，指令遵循提升超6分，科学推理提升近6分，代码生成有1分的提升。

4. 推理效能和性价比评估

DeepSeek-V4-Pro(max)相较于V3.2平均每题耗时从248.84秒增加至453.44秒，整体推理效能较低；DeepSeek-V4-Flash(max)平均每题耗时为241.45秒，相较于V3.2推理效能较高。但从整体来看，DeepSeek-V4系列模型的推理效能并不高，均位于低效能区间，与Gemini-3系列模型存在显著差距；DeepSeek-V4-Pro(max)与同属于低效能区的海外顶尖模型GPT-5.4(xhigh)、Claude-Opus-4.6(max)相比依旧存在差距。

在性价比方面，DeepSeek-V4-Pro(max)依旧处于中等性价比区间，虽然API价格（15元/百万Tokens，价格计算方式见下图中的注释）较V3.2（2.25元/百万Tokens）增加了6-7倍，但整体的性能提升显著。

与Pro不同，DeepSeek-V4-Flash(max)在V3.2的基础上实现了性能的显著提升（61.92➡68.82），并且其API价格仅需1.25元/百万Tokens，位于高性价比区间。

测评说明

本次2026年3月通用基准测评共有24个国内外模型参与（包括补测模型），测评集包括六大任务：数学推理、科学推理、代码生成(含Web开发)、智能体（任务规划）、精确指令遵循、幻觉控制，共702题。

（1）详细的数据集介绍及测评说明可见：2026年3月中文通用大模型测评通知！

（2）2026年3月通用基准测评往期分析文章可见：

2026年3月中文大模型基准测评结果发布！小米MiMo-V2、美团LongCat上榜

2026年3月通用文本测评——SWE（软件工程）分析：海外旗舰领跑，国产模型梯队化突围

（3）点击下方阅读原文可跳转SuperCLUE官网，查看完整排行榜。

SuperCLUE排行榜地址：www.superclueai.com

欢迎加入测评交流群。

扩展阅读

[1] CLUE官网：www.CLUEBenchmarks.com

[2] SuperCLUE排行榜网站：www.superclueai.com

[3] Github地址：https://github.com/CLUEbenchmark/SuperCLUE