肉搏战里掉队的会是谁？V4 Pro、Grok 4.6、Kimi K3 正面对撞

肉搏战里掉队的会是谁？V4 Pro、Grok 4.6、Kimi K3 正面对撞

【免费下载链接】DeepSeek-V4-Pro-0813项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V4-Pro-0813

八月中旬的一个深夜，AI圈又被一条消息炸醒了。

DeepSeek 悄悄放出了 V4 Pro 的正式版，版本号后缀是 0813。没有发布会，没有倒计时海报，就是半夜更新，跟当年那种“半夜偷袭”一模一样。

更热闹的是，这一次不是它一个人的独角戏。几乎同一时间段，Kimi K3 的讨论热度还没降下去，Grok 4.6 又顶着“海外最强开源挑战者”的名头冲了上来。三家的成绩单摆在一起，网友直接开腔：这不是发模型，这是三个高手在擂台上贴身肉搏。

那问题就来了——真刀真枪打完这一轮，谁会被挤出牌桌？

一、先说明白：这三个“选手”到底是什么东西

不用管那些参数名，你就把大模型理解成一个超级实习生。

你给它一份需求、一段代码、一堆资料，它能自己看、自己想、自己动手把活干完。以前这种实习生只会“答题”，你问一句它答一句；现在这一代比的是“办事”——给它一个任务，它能拆成十几步，自己找路、自己纠错、自己交付。

这才是今年三家死磕的真正战场。不是比谁背诗背得好，是比谁真能把活干完。

DeepSeek 这次拿出来的 V4 Pro 正式版，说白了就是上一版“实习生”送进了强化培训班：脑子里的知识没大变，但动手能力被拉起来一大截。官方自己也没藏着，直接说了句大实话——正式版相比预览版，最大提升就在“智能体能力”，也就是独立干活的能力。

二、它最狠的一刀：从“能聊”变成“能干”

看一个数字就够了。

在专门考察“真实软件工程任务”的测试里，V4 Pro 预览版只拿到 12.8 分，正式版直接干到62.7。这不是进步，这是换了个物种。

打个比方：预览版像一个刚背完课本的学生，题目都会做，真让他上手改一个正在跑的项目就懵了。正式版像什么呢？像一个真的在公司干过活的工程师——知道先看日志、再定位、改完还要跑一遍验证。

同类项目里，这一项的对手分数是：Kimi K3 拿到 67.5，Fable-5 拿到 70.0。也就是说，DeepSeek 已经从此前“差一大截”，追到了“伸手能够到后背”的位置。

第二个狠招，是它的“记性”。

上下文长度给到了百万级 token。翻译成人话：你可以把一整套产品文档、几十份合同、甚至一本厚书直接丢进去，让它一次性读完再回答，不用切成一段一段喂。这对做长文档分析、老项目代码梳理的人来说，是真省事。

第三个，是它会“调节用脑强度”。

新版本提供三档思考力度：轻思考、深度思考、极限思考。日常问个天气、改个错别字，用轻档，快；碰上要写方案、排查疑难 Bug，就开到极限档，让它慢慢磨。这就像你身边那个同事，小事一句话说完，大事能关起门来想一下午。

另外有一点值得单独拎出来说：权重是 MIT 协议开源的。这意味着企业可以把它搬回自己的机房里跑，数据不出门。对金融、医疗、政企这类“资料碰不得外网”的行业，这几乎是决定性的吸引力。

三、正面对撞：赢在哪、输在哪，别听吹的

我们把三家摆在一张桌子上，只挑几个最能说明问题的项目。

编程与终端操作：Terminal Bench 这一项，V4 Pro 是 87.9，Kimi K3 是 88.3，基本是并排站。差距小到可以理解为“今天状态好不好”。

长链路任务：Toolathlon 这类连续调用工具的任务，V4 Pro 74.1，Kimi K3 76.5。Kimi 略占上风。

高难度综合题：HLE 这项，V4 Pro 不带工具 42.7、带工具 60.0；Kimi K3 是 43.5 和 56.0。有意思的地方来了——不带工具时 Kimi 高一点点，一给工具，DeepSeek 反超了。这恰恰说明它这次练的就是“会用工具”。

安全攻防：Cybergym 上 V4 Pro 拿到 83.3，Kimi K3 是 80.0，DeepSeek 领先。

内部高难题：它自己的高难度编程测试拿到 67.2，Kimi K3 是 63.0。

所以真实结论是什么？

综合分上，DeepSeek 这一次没能把 Kimi K3 掀翻，双方咬得非常紧，互有胜负。网上有句评价传得很广：新模型综合得分仍落后于 Kimi K3，比较接近 Grok 4.6。这话不算黑，是实话。

但另一句也得说完整：它的老本行——性价比，还在。

而且这里有个很多人忽略的细节：官方表格里那个“带备用方案”的 Fable-5，HLE 拿到 63.0、DeepSWE 拿到 70.0，仍然是这桌人里综合最强的那个。真正的天花板还没被摸到，国产模型现在是在“第二梯队头部”这个位置上互相挤。

这就解释了为什么这次发布之后，外网照样一大片人在试、在比、在吵。不是因为它第一，而是因为它用开源的方式，把成绩做到了第一梯队的门槛边上。

四、一个微妙的时间点：它其实在“交棒”

这轮肉搏里最有意思的一幕，不在榜单上。

社区里已经在传：DeepSeek 的 V4.1 Flash 版本发布后，能力“全面超越 V4 Pro”，而 V4 Pro 的服务被安排在了 9 月中旬下线。

你细品这个节奏——Pro 刚发正式版，就传出要退场的消息。

这不是翻车，这是国产厂商现在的一种典型打法：用大模型当“探路先锋”，把能力顶到最高，验证完技术路线，再把这套本事压进更小、更便宜、更快的模型里。等到小模型追平大模型那天，大模型的历史任务就完成了。

对普通用户来说，这其实是好事——去年还要花大钱才能用的能力，今年可能免费版就能给你。

对厂商来说，这就是现在最残酷的地方：你辛辛苦苦拿出的成绩单，可能三个月后就被自家小弟超了，更别说还有隔壁两家在盯着。

五、普通人到底能不能用上？门槛说实话

先把最扎心的话放前面：这玩意儿你自己家的电脑跑不动。

不是“有点吃力”，是完全跑不动。官方推荐的部署方式是四张顶级服务器显卡起步的集群配置，跟你我桌上的游戏本不是一个世界的东西。

但这不代表你用不上。实际有三条路：

一是网页和 App，直接开对话窗口就能试，零门槛，适合学生、写作者、办公族。

二是 API，一个月几十块钱的额度，就能把它接进自己的工具里，程序员和企业是这条路上的主力。

三是免费的小模型版本，参数小、速度快、成本低，日常写文案、改邮件、查资料完全够用，很多人其实用的就是这个。

谁最该关注这次更新？

写代码的、做自动化流程的、需要处理超长文档的，这三类人受益最直接。尤其是那种“一个需求要改十几个文件”的活，以前得盯一下午，现在一个大任务丢过去，能省下大半天。

至于纯聊天的普通用户，说句实话——这次升级你感知不会太强，日常问答早就不卡了，真正的变化发生在“让它干活”这一步。

六、写在最后：肉搏战里，掉队的从来不是分数最低的

回到标题那个问题。

如果只看综合分，DeepSeek 这次确实没赢，Kimi K3 稍稍领先，Grok 4.6 在旁边虎视眈眈，Fable-5 还在更高处看着。

但真正会被挤出牌桌的，往往不是分数差几分的那一个。

而是那种既没有性价比、又不肯开源、还跟不上迭代速度的选手。现在这个赛道上，一个月就是一代，慢一步不是落后，是直接消失。

对咱们普通人来说，这场肉搏其实是一场好事——三家打得越凶，我们能免费用到的东西就越好、越便宜。

那么问题留给你：如果只能选一个当你的“数字同事”，你会选会写代码的 DeepSeek、长文理解强的 Kimi，还是风格更野的 Grok？评论区聊聊你的理由。

【免费下载链接】DeepSeek-V4-Pro-0813项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V4-Pro-0813