DeepSeek-V4-Pro中文测评出炉：总榜第二，智能体编程能力大幅提升！

模型介绍

2026年8月13日，深度求索正式推出旗舰模型DeepSeek-V4-Pro正式版。该模型具备强大工具调用与智能体执行能力，原生支持百万级长文本深度解析。据官方称，在复杂推理、编程、智能体等专业任务中，表现媲美国内外业界顶尖模型，达到领先水平。

SuperCLUE团队基于2026年7月中文大模型测评基准体系2026年7月中文大模型基准测评结果发布！Qwen3.8、Kimi-K3并列第一，DeepSeek轻量版并列第二！对DeepSeek-V4-Pro正式版进行了测评，以下是测评结果与分析：

点击 文末阅读原文 或 复制下方网址到浏览器 即可跳转SuperCLUE官网查看完整的测评内容：

SuperCLUE官网地址：www.superclueai.com

 榜单概览

一、SuperCLUE智能指数（2026年7月）

二、总体表现（2026年7月）

三、Token实际花费数据明细（2026年7月）

四、模型象限图（2026年7月）

五、推理效能区间分布（2026年7月）

六、性价比区间分布（2026年7月）

 测评结果与分析

1. DeepSeek-V4-Pro(max)正式版在幻觉推理、精确指令遵循任务上对比Qwen3.8-Max(max)有所提升，数学推理、科学推理也逐步追赶；但智能体编程、智能体任务规划仍有较大进步空间，差距位于5分左右。

2. DeepSeek-V4-Pro(max)正式版在智能体编程、智能体任务规划、幻觉控制三大任务上相较于上个版本均有显著提升，其中智能体编程由47.37分提升至63.16分，提升15.85分；智能体任务规划由79.00分提升至85.48分，提升6.48分；幻觉控制由79.70分提升至89.73分，提升10.03分。

3. DeepSeek-V4-Pro(max)正式版在智能体编程任务上提升幅度巨大。具体来看，其在推理效能上，逐步从轻量探索者转为低耗领航者，说明其在提高自身编程能力的同时，也以高效的推理时间得到高分，进入国内前列。

4. DeepSeek-V4-Pro(max)正式版在精确指令遵循上有小幅下降，说明本次迭代优先强化智能体长链路执行与深度推理能力，存在能力之间的权衡取舍。

测评说明

本次2026年7月通用基准测评共有13个国内模型参与（包括补测模型），测评集包括六大任务：智能体编程、智能体任务规划、数学推理、科学推理、精确指令遵循、幻觉控制。详细的测评说明可见介绍文章：2026年7月中文通用大模型基准测评结果。

本次测评权重向智能体编程能力倾斜（25%），重点考察模型在典型编程智能体下的端到端任务完成能力；数学、科学推理、指令遵循、幻觉控制作为基础核心能力配置接近的权重；智能体任务规划受限于本次纯文本测评场景，给予相对较低权重。最终权重占比为：

• 智能体编程：25%

• 数学推理：18%

• 科学推理：16%

• 精确指令遵循：16%

• 幻觉控制：16%

• 智能体任务规划：9%

欢迎加入【通用测评】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