据东查贝廷的监测，DeepSeek V4很少披露内部的自我测试数据。团队收集了来自50多名工程师的约200个真实的研发任务，涵盖功能开发、Bug修复、重构和诊断，技术栈包括PyTorch、CUDA、Rust和C++。经过严格筛选，保留了30个任务作为评估集。V4-Pro-Max的通过率为67%，明显高于Sonnet 4.5的47%，接近Opus 4.5的70%，但低于Opus 4.5 Thinking的73%和Opus 4.6 Thinking的80%。Haiku 4.5的通过率仅为13%。在一项N=85的内部调查中，所有受访者都表示在日常工作中使用V4-Pro进行代理编码。52%的受访者认为V4-Pro可以作为默认的主要编码模型，39%倾向于同意，少于9%不同意。主要的反馈问题包括基本错误、对模糊提示的误解以及偶尔的过度思考。
DeepSeek V4-Pro 内部レビュー：コーディング合格率がOpus 4.5に近づく、テスターの52％がデフォルトモデルとして推奨
据东查贝廷的监测，DeepSeek V4很少披露内部的自我测试数据。团队收集了来自50多名工程师的约200个真实的研发任务，涵盖功能开发、Bug修复、重构和诊断，技术栈包括PyTorch、CUDA、Rust和C++。经过严格筛选，保留了30个任务作为评估集。V4-Pro-Max的通过率为67%，明显高于Sonnet 4.5的47%，接近Opus 4.5的70%，但低于Opus 4.5 Thinking的73%和Opus 4.6 Thinking的80%。Haiku 4.5的通过率仅为13%。在一项N=85的内部调查中，所有受访者都表示在日常工作中使用V4-Pro进行代理编码。52%的受访者认为V4-Pro可以作为默认的主要编码模型，39%倾向于同意，少于9%不同意。主要的反馈问题包括基本错误、对模糊提示的误解以及偶尔的过度思考。