DeepSeek的Pro系列模型，正在经历一次低调却分量十足的能力跃升。第三方评测显示，当前线上版本的V4 Pro在LobeBench基准中的通过率已从48%攀升至64%，在国产模型阵营中一举登顶。
把成绩单拆开看：旧版V4 Pro-0813在50道题中拿下24道，排名第13位；现行版本拿下32道，净增8道，且新增的8道全部落在Hard高难度档位。16个百分点的涨幅，在基准测试中算得上少见的大跨度。
这份数据出自博主@MaxForAI。他的身份颇为特殊——一边做AI科普，一边开发并维护着Agent客户端LobeHub，手里还沉淀了一套自建的LobeBench评测集。此次对比，正是依托这套题库，对线上现行版本与V4 Pro-0813进行的同题测试。
评测规则相当苛刻：同一任务必须连续三次全部完成，才会计为通过。若只统计“至少成功一次”的成绩，新旧两版差距并不明显；真正拉开身位的是稳定性这条线。连续三次全对的硬性门槛，把运气成分剔除得干干净净，也让这次能力提升变得无可争议。
种种迹象指向同一个判断：线上这版V4 Pro其实已经悄悄完成了一次迭代，迭代后的版本极有可能就是外界等待已久的V4.1 Pro正式版。灰度测试既已坐实，全量上线也就进入了倒计时。
此前社交平台上流传过一些所谓的新模型实测，内容大多围绕“鸬鹚骑自行车”式的生图任务或动画渲染效果展开。这类素材没有统一标准，参考价值有限。相较之下，建立在固定题库与可复现规则之上的量化成绩，才更接近模型的真实水平。
至于正式版的落地节奏，目前流传的乐观说法是下周之内。算上时间，V4 Pro-0813自发布至今也临近三个月整。
服务端的异动同样耐人寻味。DeepSeek的服务近来稳定性欠佳，短短一周内已两度短暂中断。除了用量攀升带来的负载压力，新版模型的灰度部署通常也是造成这类波动的推手。
