模型發布與開發者API
DeepSeek-V4-Pro 進入 GA：代理評測上升，API 原生支援 Responses 格式
DeepSeek 將 V4-Pro-0813 推至正式版，既有 `deepseek-v4-pro` 名稱會直接指向新版。新版強化程式代理與工具操作，並加入 OpenAI Responses API 相容層，但公開分數仍主要來自官方 harness。
DeepSeek 於8月13日把 DeepSeek-V4-Pro 從預覽版推進至 GA，部署範圍涵蓋網頁、App 與 API。既有應用不必更換模型識別字，`deepseek-v4-pro` 會直接路由至0813版本；這種原地升級雖降低遷移成本，卻也意味著需要可重現行為的團隊應立即固定測試集、保存回覆與工具軌跡，避免把版本變動誤判為提示或代理程式退化。
GA 更新的重點是代理後訓練。DeepSeek 報告 Terminal-Bench 2.1 達87.9，較預覽版72.1提高15.8點；NL2Repo 由38.5升至61.5，CyberGym 由52.7升至83.3，DeepSWE 由12.8升至62.7，Toolathlon-Verified 則達74.1。這些基準分別涵蓋終端操作、由規格建立儲存庫、漏洞重現與工具使用，增幅方向一致，但不同基準使用的代理框架、時間限制和推理預算並不相同，尚不能證明所有生產工作流都會同比改善。
模型底層仍是1.6兆總參數、每 token 啟用490億參數的 MoE，支援一百萬 token 上下文。技術報告描述其以 CSA 與 HCA 組成混合稀疏注意力；在一百萬 token 設定下，官方估算單 token 推論 FLOPs 為 V3.2 的27%，KV cache 為10%。後訓練先以 SFT 與 GRPO 培養不同領域專家，再用 on-policy distillation 合併能力。公開權重採 MIT 授權，MoE expert 主要使用 FP4、其餘多為 FP8，完整部署仍需要相當大的多卡或叢集資源。
API 同時原生支援 OpenAI Responses 格式並針對 Codex 類代理整合，減少自行轉換串流工具呼叫與推理欄位的工作。工程端下一步應驗證 Responses 與 Chat Completions 的工具語意是否完全一致、長工具迴圈能否保留 reasoning 狀態，以及官方 GA 分數能否由第三方在相同 token 與時間預算下重現。