DeepSeek V4 Benchmark：Pro 与 Flash 分数

DeepSeek V4 发布材料中给出了 DeepSeek V4 Flash 和 DeepSeek V4 Pro 的 Max mode benchmark 分数。

Benchmark 适合做初步路由信号，但生产默认模型仍然应该用你的真实 workload prompt 来决定。

官方快照

来源：DeepSeek-V4-Pro model card 和 DeepSeek_V4.pdf。

如何解读

Pro 在这组快照里更强，尤其适合 reasoning 和 coding 上限更重要的任务。Flash 的分数已经足够接近，因此很多高频工作流可以先用 Flash，再按需升级到 Pro。

上线前怎么测

不要只凭公开 benchmark 上线。建议构建一个小型内部 eval：

• 20 个高频用户请求
• 20 个复杂边界案例
• 20 个代码或推理任务
• 10 个长上下文任务

同一批 prompt 同时跑 Flash 和 Pro，再比较正确性、延迟和成本。