大家好我是老张。先问个扎心的问题你让 AI 写代码的时候它到底是在干活还是在表演干活老张自己的体验是很多模型聊天挺溜一让它改个真实仓库、跑个完整流程就开始露馅——不是漏了边界条件就是把接口参数搞错最后还得自己吭哧吭哧修到凌晨。所以判断一个 Agent 强不强别听它吹得看它在真实软件工程基准上的分数。今天 DeepSeek V4 Pro 正式版上线恰好最值得看的就是这块。一、发生了什么一句话deepseek-v4-pro模型版本更新为DeepSeek-V4-Pro-0813调用方式完全不变。对还是那个模型名deepseek-v4-pro你的代码一行不用改就能自动用上最新版本。老张最烦的就是换个版本还得改一堆配置这次官方干得挺利索。顺带说一句deepseek-v4-flash也更新到了 DeepSeek-V4-Flash-0731同样调用不变。之前 Flash 正式版上线时老张聊过它原生支持 Codex这次 Pro 也跟上了。二、性能到底涨了多少别的不扯直接上官方 Agent 基准测试的数DeepSeek-V4-Pro-0813 vs 预览版基准预览版V4-Pro-0813提升Fable 5DeepSWE12.862.749.970.0DSBench-Hard31.167.236.168.3Cybergym52.783.330.683.1DSBench-FullStack41.871.129.377.2NL2Repo38.561.523.0—AutomationBench12.831.819.029.1Toolathlon-Verified55.974.118.277.9Terminal Bench 2.172.187.915.888.0Agents Last Exam16.525.79.2—HLE37.742.75.053.3这张表看两件事就够了。第一正式版 vs 预览版全面碾压。十项基准里没有一项倒退最猛的三项——DeepSWE 涨了近 5 倍12.8→62.7、DSBench-Hard 翻了一倍多31.1→67.2、Cybergym 涨 30 分52.7→83.3。最扎眼的是DeepSWE这是个考验“长周期、高复杂度真实软件工程”的基准预览版只有 12.8 分正式版直接干到 62.7。这个数字意味着它不是“会做选择题”而是真的能在复杂代码仓库里把活干完。第二跟 Claude Fable 5 的差距从“被碾压”缩到了“贴身肉搏”。老张实话实说Fable 5 在 HLE、DeepSWE、Toolathlon、DSBench 这几项还是领先的V4 Pro 没有全面反超。但有两个亮点——Cybergym 83.3 跟 Fable 5 的 83.1 基本持平AutomationBench 31.8 直接反超了 Fable 5 的 29.1。对一款国产模型来说这已经是能上桌掰手腕的水平了。对运维和开发者来说还多了几个实用的能力支持 JSON 结构化输出、工具调用、Responses API 和 Anthropic API 格式。换句话说你能用它接更多现成的 Agent 框架和工具链。老张提醒一句基准测试反映的是特定评测设置下的表现实际效果还看任务类型、提示词和推理预算。分数是参考不是承诺。三、Pro 原生支持 Codex 了这是老张觉得最实在的一点。以前给 Codex 接国产模型最大的坎是协议不兼容——Codex 走 OpenAI 的 Responses API国产模型走 Chat Completions两套东西对不上你直接改 Base URL 大概率报 404得在本机跑一层代理做协议翻译麻烦不说还容易踩坑。现在 DeepSeek V4 Pro 官方原生支持了 Responses API意味着 Codex 可以直连DeepSeek中间那层代理可以省了。官方直接给了一键脚本codex-deepseek-setup.sh。跑起来之后是个菜单现在你能看到Codex DeepSeek Setup v1.1.0 Codex 目录: /Users/xxx/.codex 请选择要执行的操作 1. 修改 Codex 配置使用 deepseek-v4-flash 模型 2. 修改 Codex 配置使用 deepseek-v4-pro 模型 3. 恢复默认的 Codex 配置删除 deepseek 相关配置注意选项 2——deepseek-v4-pro 已经能选了。在这之前官方文档里明确写着当前只有 Flash 支持 CodexPro 预计 8 月初支持现在这个预计落地了。脚本会帮你写好~/.codex/models.json和config.toml输入 API Key 回车就行。想切换模型再跑一遍想还原选 3。脚本地址在 DeepSeek 官方文档的「Agent 工具接入指南」里直接去复制即可。老张实测建议跑之前先确认 Codex CLI 或桌面端至少启动过一次让它生成好~/.codex目录另外脚本会动你的config.toml如果你原来配过 plugins、MCP 或项目信任记得先备份一下。四、老张怎么看几点实话1. 这次更新最值钱的不是跑分是落地。DeepSWE 涨近 5 倍 原生 Codex说明 DeepSeek 在让 Agent 真干活这条路上是动真格的不是刷个 MMLU 就完事。2. 免中转代理省的是维护成本。少一层代理就少一个会挂的环节。对个人和小团队来说这事儿的价值不亚于模型变聪明。3. 价格还没定别急着下结论。官方目前还没公布 V4 Pro 的 API 定价此前也预告过近期会整体调整定价。想上生产的建议先关注官方正式通知别拿现在的价格当长期承诺。4. 网页端和 API 端有差异的反馈。社区里有网友提到网页端和 API 调用出来的思维链表现有差异API 输出的话术偏生硬。如果你觉得 API 效果不对劲可以留意下这个点等官方后续优化。五、适合谁用场景推荐程度用 Codex 写代码、想换国产模型的⭐⭐⭐⭐⭐搞 Agent 自动化、工具调用的开发者⭐⭐⭐⭐⭐对成本敏感的中小团队⭐⭐⭐⭐需要极低延迟的实时交互场景⭐⭐⭐并发上限 500低于 Flash 的 2500六、资源DeepSeek API 文档首次调用首次调用 API | DeepSeek API DocsCodex 接入指南Integrate with Codex | DeepSeek API Docs更新日志更新日志 | DeepSeek API Docs聊聊你的方案评论区见你现在写代码用哪个模型当主力DeepSeek、还是别的给 Codex 接国产模型你踩过协议不兼容的坑吗如果 AI 能再帮你干一件事你最希望是什么老张先说我挺期待 DeepSWE 这种真实工程基准以后能更普及——跑分吹得再响都不如看它能不能把一个真实仓库从头改到尾。你怎么看留言区聊聊。