Внутренний обзор DeepSeek V4-Pro: Процент прохождения кодирования приближается к Opus 4.5, 52% тестировщиков поддерживают как модель по умолчанию

Согласно мониторингу Dongcha Beating, DeepSeek V4 редко раскрывает внутренние данные о тестировании на практике. Команда собрала около 200 реальных задач исследований и разработок от более чем 50 инженеров, охватывающих функциональную разработку, исправление ошибок, рефакторинг и диагностику, с технологическим стеком, включающим PyTorch, CUDA, Rust и C++. После строгого отбора было оставлено 30 задач в качестве оценочного набора. Проходной показатель V4-Pro-Max составляет 67%, что значительно выше 47% у Sonnet 4.5 и близко к 70% у Opus 4.5, но ниже 73% у Opus 4.5 Thinking и 80% у Opus 4.6 Thinking. Проходной показатель Haiku 4.5 составляет всего 13%. Внутренний опрос с числом участников N=85 показал, что все респонденты используют V4-Pro для агентного программирования в своей повседневной работе. 52% считают, что V4-Pro может служить основным моделью кодирования по умолчанию, 39% склонны к согласию, и менее 9% не согласны. Основные отзывы касаются ошибок базового уровня, неправильного понимания расплывчатых подсказок и случайных переусложнений.