DeepSeek V4 Pro ufficialmente rilasciato: benchmark degli agenti, prezzi API e nuovo focus sulla programmazione
DeepSeek ha ufficialmente aggiornato il suo modello V4 Pro dalla versione di anteprima a una versione di produzione più recente, consentendo agli sviluppatori di accedere all'ultimo modello DeepSeek-V4-Pro-0813 tramite API.
DeepSeek V4 Pro ufficialmente rilasciato: benchmark agentici, prezzi API e nuova attenzione alla programmazione
Introduzione
DeepSeek ha ufficialmente portato il modello V4 Pro dalla versione di anteprima a una build di produzione aggiornata, consentendo agli sviluppatori di utilizzare tramite API il modello aggiornato DeepSeek-V4-Pro-0813.
L'articolo originale considera questo rilascio un progresso significativo di DeepSeek nelle capacità agentiche e di programmazione. I primi risultati dei benchmark riportati nell'articolo mostrano che V4 Pro si sta avvicinando ai modelli frontier leader, soprattutto in attività che coinvolgono programmazione, interazione con terminale, agenti di cybersicurezza e uso prolungato di strumenti.
Nel frattempo, i primi utenti hanno notato un cambiamento insolito nell'output di ragionamento del modello. Il testo di ragionamento può apparire altamente compresso e difficile da leggere, suggerendo che il modello è sempre più ottimizzato per un ragionamento efficiente dal punto di vista computazionale piuttosto che per una fluida spiegazione in linguaggio naturale.
La documentazione ufficiale di DeepSeek conferma che l'attuale identificatore API deepseek-v4-pro ora fornisce il modello DeepSeek-V4-Pro-0813, con modalità di chiamata invariata.
DeepSeek V4 Pro è finalmente arrivato
L'articolo originale inizia con un messaggio conciso: DeepSeek V4 Pro è stato rilasciato ufficialmente.
I primi risultati dei benchmark evidenziati nell'articolo includono HLE, Terminal-Bench, CyberGym e DeepSWE. Secondo l'articolo, V4 Pro ha già superato Opus 4.8 in queste valutazioni orientate agli agenti e si sta avvicinando, in alcuni casi superando, i risultati riportati di Fable 5.
L'articolo attribuisce gran parte dei miglioramenti al post-addestramento, sostenendo che la nuova versione non è semplicemente un modello base più grande, ma un modello profondamente ottimizzato per i tipi di attività che gli agenti AI moderni eseguono realmente.
Il messaggio più ampio è chiaro: DeepSeek non posiziona più V4 Pro esclusivamente attorno al basso costo. Il modello Pro punta direttamente al segmento alto del mercato dei modelli.
DeepSeek V4 Pro-0813 è disponibile tramite API
Al momento della pubblicazione dell'articolo originale, DeepSeek non aveva ancora pubblicato un post ufficiale sul blog, ma la piattaforma API era già stata aggiornata.
Gli sviluppatori possono utilizzare l'API V4 Pro e accedere al modello aggiornato, identificato come:
DeepSeek-V4-Pro-0813
L'attuale documentazione ufficiale di DeepSeek conferma che l'identificatore pubblico del modello rimane invariato:
deepseek-v4-pro
Il servizio ora instrada questo identificatore a DeepSeek-V4-Pro-0813, quindi gli sviluppatori non devono modificare i nomi dei modelli nelle integrazioni API esistenti.
La documentazione API ufficiale conferma inoltre il supporto per formati API compatibili con OpenAI e Anthropic. V4 Pro supporta una finestra di contesto di 1 milione di token, chiamate di strumenti, output JSON e sia la modalità di pensiero che quella di ragionamento profondo.
Prezzi ancora aggressivi
L'articolo originale riporta i seguenti prezzi per DeepSeek V4 Pro:
| Voce | Prezzo per milione di token |
|---|---|
| Input | ¥3 |
| Input in cache | ¥0,025 |
| Output | ¥6 |
Questi dati coincidono con i prezzi attuali di deepseek-v4-pro nella documentazione ufficiale cinese dei prezzi di DeepSeek. La pagina ufficiale elenca i prezzi di ¥0,025 per milione di token di input in cache, ¥3 per milione di token di input non in cache e ¥6 per milione di token di output.
Token di output.
Questo prezzo rimane uno dei maggiori vantaggi competitivi di DeepSeek.
Il cambiamento interessante è che DeepSeek ora sta cercando di combinare questo vantaggio di prezzo con prestazioni agentiche più forti. Le versioni precedenti rendevano facile comprendere il vantaggio in termini di costi; V4 Pro cerca di rendere altrettanto convincente il vantaggio in termini di prestazioni.
Buone notizie: miglioramenti significativi in programmazione e capacità agentiche
Secondo l'articolo originale, ciò che spicca maggiormente nel rilascio di V4 Pro sono le capacità di programmazione.
I risultati dei benchmark evidenziati coprono attività molto più vicine ai flussi di lavoro reali dell'ingegneria del software rispetto ai semplici benchmark di domanda-risposta.
HLE
L'articolo originale elenca l'"Humanity's Last Exam" (L'ultimo esame dell'umanità) come una valutazione in cui V4 Pro compete con i modelli leader.
HLE è progettato per testare conoscenze e capacità di ragionamento ad alta difficoltà. L'articolo utilizza questo risultato per dimostrare che i miglioramenti di V4 Pro non si limitano al semplice completamento del codice.
Terminal-Bench
Terminal-Bench valuta i modelli attraverso attività eseguite in ambienti terminale.
Ciò è particolarmente importante per gli agenti di programmazione, poiché il modello deve interagire con ambienti di strumenti reali, non semplicemente restituire un pezzo di codice.
L'articolo originale riporta che V4 Pro si avvicina alla vetta in questo benchmark, superando Opus 4.8.
CyberGym
CyberGym è un'altra valutazione orientata agli agenti evidenziata nell'articolo.
L'articolo originale afferma che V4 Pro si comporta particolarmente bene in questo ambito, indicando che il modello sta diventando più abile nel gestire attività tecniche multi-step complesse che coinvolgono strumenti e ambienti.
DeepSWE
DeepSWE è probabilmente il risultato più direttamente rilevante per gli sviluppatori.
L'articolo originale afferma che V4 Pro ha mostrato un miglioramento significativo rispetto alla versione precedente in questa valutazione, raggiungendo un livello vicino ai modelli frontier leader.
Complessivamente, questi risultati supportano la tesi centrale dell'articolo: DeepSeek V4 Pro è stato pesantemente ottimizzato per agenti di programmazione e flussi di lavoro basati su strumenti.
Ma c'è un cambiamento strano nella catena di pensiero
L'articolo originale riporta anche alcune osservazioni meno positive emerse dai primi utenti.
Dopo aver testato V4 Pro, alcuni utenti hanno notato che il testo della catena di pensiero è diventato estremamente compresso e difficile da leggere.
Un esempio riprodotto nell'articolo contiene formulazioni frammentarie e meccaniche, piuttosto che normale linguaggio umano.
Il modello può ancora trasmettere informazioni utili attraverso l'output di ragionamento, ma il testo non è più necessariamente piacevole o intuitivo da leggere.
Questo comportamento è in linea con la direzione generale dello sviluppo dei modelli di ragionamento.
La documentazione ufficiale di DeepSeek descrive attualmente una modalità di pensiero dedicata e espone l'output di ragionamento tramite reasoning_content nell'API. Offre inoltre controlli per la modalità di pensiero e l'intensità del ragionamento.
L'articolo originale ipotizza che ridurre la leggibilità umana del contenuto di ragionamento potrebbe aiutare a diminuire il consumo di token, preservando al contempo informazioni utili per il modello stesso. Questa interpretazione va considerata un'osservazione, non una spiegazione ufficiale di DeepSeek.
Il compromesso: agenti più forti, minore leggibilità umana
Ragionamento
Esiste qui un naturale compromesso.
Se il modello utilizza il proprio budget di ragionamento per generare frasi curate, i processi intermedi potrebbero essere più facili da comprendere per gli esseri umani, ma l'efficienza dei token diminuisce.
Se il modello è ottimizzato per completare le attività nel modo più efficiente possibile, le sue rappresentazioni interne di ragionamento potrebbero diventare molto più difficili da leggere.
Per gli agenti di programmazione AI, il secondo approccio è perfettamente ragionevole.
Un agente non ha necessariamente bisogno di scrivere un lungo discorso quando esegue un determinato comando. Deve intraprendere l'azione corretta in modo efficiente, controllare il risultato e poi procedere.
Ecco perché l'articolo originale collega il cambiamento dello stile di ragionamento alla più ampia ascesa della programmazione agentica.
I modelli sono sempre più ottimizzati per "fare", non necessariamente per spiegare ogni passaggio intermedio in linguaggio naturale.
Cosa significa questo per la scrittura e le attività di contenuti generali
Il lato negativo è che l'ottimizzazione per la programmazione e gli agenti potrebbe non tradursi direttamente in migliori capacità di scrittura di testi lunghi.
L'articolo originale sostiene che lo stile di ragionamento di V4 Pro potrebbe risultare meno attraente per flussi di lavoro incentrati sulla scrittura, soprattutto quando gli utenti si aspettano un linguaggio raffinato e spiegazioni trasparenti.
Ciò non significa che il modello non sappia scrivere.
Riflette piuttosto un cambiamento di priorità. Se gran parte del lavoro post-addestramento del modello è concentrato su codifica, uso di strumenti e affidabilità agentica, altre capacità potrebbero non migliorare allo stesso ritmo.
Per gli sviluppatori, questa distinzione è importante.
Un modello può essere eccellente nella codifica a livello di repository, ma non essere necessariamente la scelta migliore per attività di generazione di contenuti.
Il cambiamento più grande di DeepSeek: da leader dei costi a competitore frontier
L'articolo colloca V4 Pro nel contesto di diverse pubblicazioni recenti nell'ecosistema dei modelli open-source cinesi.
L'articolo originale descrive una serie di nuovi modelli in rapido avanzamento che puntano sempre più ai livelli prestazionali dei modelli closed-source leader.
L'articolo menziona GLM 5.2, Kimi K3 e altre pubblicazioni recenti, considerandole parte della stessa tendenza più ampia.
Il rilascio della versione precedente, V4 Flash, di DeepSeek si concentrava sull'efficienza dei costi. L'articolo originale descrive quella strategia come un fattore che ha contribuito a spingere al ribasso i prezzi API dell'intero mercato.
V4 Pro adotta un posizionamento diverso.
L'obiettivo non è più semplicemente:
"Possiamo offrire capacità simili a costi inferiori?"
Ma piuttosto:
"Possiamo competere nella fascia alta delle prestazioni mantenendo al contempo un vantaggio di costo?"
Si tratta di un posizionamento molto più ambizioso.
Anche V4 Pro è progettato per l'integrazione con agenti
La documentazione ufficiale di DeepSeek mostra che il modello V4 è progettato per funzionare con i più diffusi strumenti di intelligenza artificiale per agenti e programmazione, tra cui Claude Code, GitHub Copilot e OpenCode. Gli sviluppatori possono utilizzare DeepSeek come modello backend per questi strumenti.
Questo aspetto è importante perché le capacità di un modello dipendono sempre più dalle sue prestazioni all'interno dei cicli di lavoro degli agenti.
Un modello di programmazione efficace richiede molto più della semplice generazione di codice. Deve essere in grado di:
- Comprendere codebase di grandi dimensioni.
- Pianificare modifiche in più passaggi.
- Chiamare strumenti in modo affidabile.
- Verificare l'output dei comandi.
- Riprendersi dagli errori.
- Lavorare in modo continuativo su più turni di conversazione.
- Produrre implementazioni finali realmente eseguibili.
Il lancio di V4 Pro è chiaramente mirato a questo obiettivo.
Flussi di lavoro.
Un'altra considerazione
L'articolo originale si chiude con un tono più emotivo.
Paragona questo lancio al "momento DeepSeek" dell'inizio del 2025 e sostiene che il posizionamento del modello sia cambiato.
In precedenza, l'arma più evidente di DeepSeek era il rapporto qualità-prezzo.
Ora, l'azienda sta cercando di inserire V4 Pro direttamente nel dibattito sui modelli più potenti disponibili.
Questo rende il lancio significativo al di là del modello stesso.
Se un modello open-source riesce a raggiungere livelli all'avanguardia nella codifica agentica mantenendo prezzi API relativamente bassi, la pressione sui fornitori di modelli closed-source aumenterà notevolmente.
Domande frequenti
Cos'è DeepSeek V4 Pro-0813?
DeepSeek-V4-Pro-0813 è la versione aggiornata attualmente servita tramite l'identificatore di modello deepseek-v4-pro. La documentazione API ufficiale di DeepSeek conferma che gli sviluppatori possono continuare a utilizzare deepseek-v4-pro senza modificare le proprie integrazioni.
Quanto costa DeepSeek V4 Pro?
L'attuale pagina di prezzi in cinese di DeepSeek mostra che per V4 Pro, il prezzo per token di input non memorizzati nella cache è di 3 yuan per milione, per token di input memorizzati nella cache è di 0,025 yuan per milione e per token di output è di 6 yuan per milione. I prezzi possono variare, quindi è necessario consultare la pagina dei prezzi ufficiale prima dell'implementazione.
Per cosa è stato ottimizzato principalmente DeepSeek V4 Pro?
Questo lancio pone particolare enfasi su codifica, flussi di lavoro agentici, uso di strumenti e capacità di ragionamento. La documentazione ufficiale di DeepSeek elenca anche chiamate di strumenti, contesto da 1M, modalità di pensiero e integrazione con i principali strumenti di codifica agentica.
DeepSeek V4 Pro dispone di una finestra di contesto di 1 milione di token?
Sì. L'attuale documentazione ufficiale dei modelli DeepSeek elenca una lunghezza del contesto di 1M per V4 Pro. Elenca anche una lunghezza massima di output di 384K token.
Perché il ragionamento di DeepSeek V4 Pro sembra insolito?
L'articolo originale riporta che i primi utilizzatori hanno osservato testi di ragionamento altamente compressi e simili a output generati da macchine. L'articolo suggerisce che ciò potrebbe essere legato all'efficienza, ma la documentazione ufficiale di DeepSeek non specifica che questo stile insolito sia stato introdotto appositamente per questo scopo.
DeepSeek V4 Pro può essere utilizzato per agenti di codifica?
Sì. La documentazione ufficiale di DeepSeek documenta l'integrazione con strumenti come Claude Code, GitHub Copilot e OpenCode. Supporta inoltre formati API compatibili con OpenAI e Anthropic.
DeepSeek V4 Pro è open-source?
Il rilascio dell'anteprima V4 di DeepSeek è stato annunciato come open-source, inclusi pesi aperti e rapporto tecnico. L'attuale servizio API e la versione del modello sono documentati separatamente dai materiali di rilascio, pertanto gli sviluppatori dovrebbero distinguere tra gli artefatti del modello open-source e il servizio API ospitato.
Strumenti correlati
- API DeepSeek: endpoint API ufficiale per l'accesso ai modelli DeepSeek.
- Documentazione API DeepSeek: documentazione ufficiale su accesso ai modelli, prezzi, strumenti e integrazioni.
- Claude Code: agente di codifica AI che può utilizzare DeepSeek come backend tramite integrazioni supportate.
- OpenCode: agente di codifica open-source supportato dalle integrazioni agentiche documentate da DeepSeek.
- GitHub Copilot: assistente di codifica AI che DeepSeek elenca tra gli agenti supportati.
Integrazioni.
Link correlati
- Modelli e prezzi DeepSeek: specifiche attuali ufficiali dei modelli e prezzi API.
- Prima chiamata API DeepSeek: guida ufficiale per chiamare
deepseek-v4-proedeepseek-v4-flash. - Modalità di pensiero DeepSeek: documentazione ufficiale per abilitare e controllare la modalità di ragionamento.
- Integrazioni agentiche DeepSeek: documentazione ufficiale per l'uso di DeepSeek con strumenti di codifica e agenti.
- Rilascio anteprima DeepSeek V4: annuncio ufficiale del rilascio V4 e panoramica tecnica.
- GitHub DeepSeek: organizzazione GitHub ufficiale di DeepSeek.
Riepilogo
DeepSeek V4 Pro segna un cambiamento nella strategia dell'azienda. Il nuovo modello Pro non è più posizionato semplicemente come alternativa a basso costo; il suo punto di forza si sta spostando sempre più verso la competizione ai vertici delle prestazioni in ambito di codifica e capacità agentiche.
La versione API attuale deepseek-v4-pro serve DeepSeek-V4-Pro-0813, con supporto per contesto da 1M, chiamate di strumenti, modalità di pensiero e prezzi estremamente competitivi.
Secondo quanto riportato, anche il cambiamento nello stile di ragionamento riflette un nuovo ordine di priorità per il modello: meno enfasi su testo intermedio leggibile, maggiore attenzione a ragionamento efficiente ed esecuzione agentica.