DeepSeek V4 Pro 正式版、Grok 4.6 同夜发布
DeepSeek V4 Pro 正式版（0813）与 Grok 4.6 同夜上线。跑分、价格、选型一次讲清，帮你判断主力 API 要不要换
大家好，我是程序员天天困。
今早一觉醒来刷短视频，刷到个大消息：昨晚 DeepSeek V4 Pro 正式版和 Grok 4.6 撞一块儿发了——DeepSeek 官方定价页 MODEL VERSION 那一栏，悄悄从 Preview 换成了 DeepSeek-V4-Pro-0813；xAI 官博几乎同一时间挂出《Introducing Grok 4.6》。没开发布会，两家都挑了大半夜直接换节点、发博客。
这篇把两件事拆成四块讲：Pro 正式版跑到什么档位、Grok 4.6 升级了什么、价格差几倍、该怎么选。看完你再决定手上的 Agent 服务应该交给谁。
一、DeepSeek-V4-Pro-0813 转正：跑分拉满，但先别急着吹
先看确认到的事实。DeepSeek 官方定价页已经把模型版本号更新为 DeepSeek-V4-Pro-0813。
不过调用名仍然是 deepseek-v4-pro，base_url 和接口格式都没变——也就是说，存量代码不用动一行，请求已经走到新节点上了。
DeepSeek-V4-Pro-0813：DeepSeek V4 旗舰的正式版（GA），1.6T 总参、49B 激活的大规模混合专家模型，上下文窗口 1M token，主打高难度推理、全代码库分析和长程 Agent 任务。你可以把它理解为 DeepSeek 这套"满血发动机"的正式调校版。
功能上，Pro 正式版把 Flash 早就有的那套都补齐了：JSON 结构化输出、工具调用、Responses API、Anthropic API、Chat Prefix Completion，FIM 补全只在非思考模式下开放。最大输出 384K，并发限制 500（Flash 是 2500）。
跑分是这次最热闹的部分。DeepSeek 还放了张 Agent 对照表，10 项新测全集中在 Agent 场景，都是官方自测口径：
- Terminal-Bench 2.1：87.9%
- CyberGym：83.3%
- Toolathlon-Verified：74.1%
- DSBench-FullStack：71.1%
- DSBench-Hard：67.2%
- DeepSWE：62.7%
- NL2Repo：61.5%
- HLE（带工具）：60.0%
- AutomationBench：31.8%
- Agents' Last Exam：25.7%
这张是 DeepSeek 官方放出来的对照表，好处是能直接看到 0813 和 Opus-4.8、Fable 5 在同一口径下的横向差距。逐项看的话，0813 其实不只是"接近"——Cybergym 83.3 比 Fable 5 的 83.1 高了 0.2，DeepSWE 62.7 比 Opus-4.8 的 58.0 高了近 5 分，HLE 带工具 60.0 也高于 Opus-4.8 的 57.9，Terminal-Bench 87.9 比 Opus-4.8 的 85.0 高了近 3 分。DeepSWE 从预览版的 12.8 直接拉到 62.7，是这次涨幅最大的一项。
但"接近 Fable 5"这个说法得拆开看。Terminal-Bench 87.9 对标的是表里 "Fable 5 (w/ fallback)" 那一列的 88.0，确实只差 0.1；可换几个基准差距就出来了：Toolathlon-Verified 74.1 比 Fable 5 的 77.9 低 3.8，DSBench-FullStack 71.1 比 Fable 5 的 77.2 低 6.1，DeepSWE 62.7 比 Fable 5 的 70.0 低 7.3。如果拿第三方平台上的全局最佳来比，差距更大——benchlm 显示 Toolathlon-Verified 最高是 Claude Opus 5 的 80.6，DeepSWE 最高是 GPT-5.6 Sol 的 72.7。
另外 SWE-bench Verified、GPQA 这些通用基准 DeepSeek 这次没重新测，沿用的还是 4 月预览版技术报告的数字。第三方综合分也能说明位置：Artificial Analysis 给 V4 Pro 0813（Max Effort）的智能指数是 53，在 605 个模型里排第 23，比 Grok 4.6、GPT-5.6 Sol 的 61 低 8 分，比 Fable 5 Max 的 62 低 9 分——这是九项基准加权后的独立测评，比单看一项跑分靠谱。
所以这张成绩单，单看 Agent 跑分确实猛，甚至几项超过了上一代 Opus-4.8，但和 Fable 5 是有输有赢，离第三方榜单上的全局最佳（Opus 5、GPT-5.6 Sol）也还有差距——"接近 Fable 5"是挑了最接近的一项说，不是全面追平。
二、Grok 4.6：参数没堆，把后训练重做了一遍
Grok 4.6 的发布路径完全是另一种风格——Musk 7 月 28 日在 X 上预告"8 月 7 日左右"，结果跳票到 8 月 12 日才由官博正式上线。
Grok 4.6：xAI（SpaceXAI）的前沿模型，据 Musk 在 X 上披露沿用 1.5T 参数规模，定位编码、Agent 任务和知识工作，上下文 500K token，支持文本和图像输入、纯文本输出，输出长度不设上限。
xAI 官博里最值得留意的一点是：这一版不是靠堆参数，而是做了比 4.5 更长的补充训练，用模型生成的推理和工程数据重做了 SFT 轨迹，再在知识工作、通用编码、内核优化、Web 开发、CAD 等一堆 Agent 环境里跑 RL。说白了，跟 DeepSeek Flash 正式版一个路数——同一副身板，把后训练推倒重来。
官方跑分（x.ai/news/grok-4-6）：
| 基准 | Grok 4.6 High | Grok 4.5 High | GPT-5.6 Sol Max | Fable 5 Max |
|---|---|---|---|---|
| AA Intelligence Index | 61 | 56 | 61 | 62 |
| GDPVal-AA v2 | 1753 | 1526 | 1728 | 1741 |
| CursorBench v3.2 | 69.9% | 66.7% | 67.2% | 70.5% |
| DeepSWE v1.1 | 65.9% | 54% | 73% | 70% |
| FrontierCode v1.1 | 61.3% | 56.6% | 60.6% | 63.6% |
| Terminal-Bench v3.0 | 26% | 15.7% | 34.6% | 34.1% |
AA 智能指数 61，追平 GPT-5.6 Sol，只比 Fable 5 Max 低 1 分。但 Terminal-Bench 26% 这个数偏低，和 DeepSeek Pro 0813 的 87.9% 不能直接比——两边版本号（v3.0 vs v2.1）、测试口径都不一样，别被数字落差带节奏。
在哪能用：Grok 4.6 已经是 Cursor 和 Grok Build 的默认模型，首周给 2 倍赠送额度；API 走 grok-4.6，OpenRouter、Vercel、Cloudflare 都能调。定价 $2/百万输入、$6/百万输出，缓存命中 $0.50；prompt 超过 200K 后翻倍到 $4/$12，还有个快两倍、价格也翻倍的 fast 变体。
三、两张价格表摆一起，差距比想象的大
把同夜发布的两个旗舰加上自家小弟 Flash 放一起看，价格差距比跑分差距扎眼多了（按每百万 token、美元计）：
| 模型 | 上下文 | 输入（缓存未命中） | 输入（缓存命中） | 输出 | 并发 |
|---|---|---|---|---|---|
| DeepSeek V4 Pro 0813 | 1M | $0.435 | $0.003625 | $0.87 | 500 |
| DeepSeek V4 Flash 0731 | 1M | $0.14 | $0.0028 | $0.28 | 2500 |
| Grok 4.6（<200K） | 500K | $2.00 | $0.50 | $6.00 | — |
| Grok 4.6（≥200K） | 500K | $4.00 | $1.00 | $12.00 | — |
Pro 0813 的输出价只有 Grok 4.6 的七分之一左右，缓存命中价更是差了一百多倍。这还不是全部——DeepSeek 定价页脚注里挂了一句话：计划在近期整体上调 API 价格，"预计涨幅显著"，具体以官方通知为准。Flash 上线时提过的峰谷定价还没落地，这次又加了一层整体涨价预警，长期跑生产的话，账单不能只按今天的数字算。
另外有个反馈值得留意：据智东西报道，X 上有开发者贴出对比，网页端和 API 端调同一个 0813 节点，思维链的说话风格差得挺明显，API 端话术偏生硬、语序别扭。DeepSeek 还没回应，如果你是把 Pro 直接面向 C 端输出，建议先灰度对比一轮。
可能有人会问：Pro 都正式版了，还有必要留 Flash 吗？
至少以 8 月中的口径，有。Flash 并发是 Pro 的 5 倍、输出价是 Pro 的三分之一，跑量的客服、检索、简单代码改写走 Flash 更划算；Pro 留给全代码库重构、长链路 Agent、1M 长文档这类真吃难度的任务。两家同夜发布也说明一件事：旗舰不再是"一个模型打天下"，而是按难度和成本分层路由。
四、后端怎么接：模型名不变，但有两个坑要记
DeepSeek 这边切换成本几乎为零，base_url 和 model 名都不用改，后端已经自动切到 0813 节点：
from openai import OpenAI
client = OpenAI(api_key="sk-***", base_url="https://api.deepseek.com")
resp = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[{"role": "user", "content": "审查这段登录接口的鉴权逻辑"}],
)
print(resp.choices[0].message.content)
Grok 4.6 同样兼容 OpenAI 格式，但走 xAI 官方 base_url、推荐用 Responses API：
from openai import OpenAI
client = OpenAI(api_key="xai-***", base_url="https://api.x.ai/v1")
resp = client.responses.create(
model="grok-4.6",
input=[{"role": "user", "content": "把这个产品原型做成可交互的 React 页面"}],
)
print(resp.output_text)
两个坑记一下：一是 Grok 4.6 官方文档强烈建议设 prompt_cache_key（Chat Completions 用 x-grok-conv-id 头），不设的话多轮对话经常被路由到冷缓存服务器，缓存命中价形同虚设；二是 DeepSeek Pro 并发只有 500，做批量压测前记得提工单，别上线当晚才撞限流。
我的选型建议很直接：跑量任务继续 Flash，复杂 Agent 和长文档分析切 Pro 0813 试两周，需要把产品想法一步做成可交互前端、或者本来就在 Cursor/Grok Build 里干活的，Grok 4.6 值得花一周做对比。三家都按用量付费，切换成本就是一个 model 字段的事。
这一夜真正的信号不是谁跑分第一，而是旗舰模型的主战场已经从参数量挪到了后训练和单价——DeepSeek V4 Pro 正式版把价格压到 Grok 的七分之一，Grok 用 AA 61 分证明 1.5T 后训练也能摸到前沿。但两家官方自测的跑分都得先打个折，等 Artificial Analysis、终端基准和生产环境的第三方数据出来再下结论也不迟。
我是程序员天天困，持续分享编程干货。觉得有用的话记得点赞收藏和关注~也欢迎在评论区聊聊：DeepSeek V4 Pro 正式版 和 Grok 4.6 你打算先试哪个，还是继续等下半年的开源旗舰？
浙公网安备 33010602011771号