8月19日消息，SuperCLUE放出DeepSeek V4 Pro正式版中文测评报告，这款8月13日刚发布的旗舰大模型，拿下综合总榜第2的名次，智能体编程板块进步非常明显。
DeepSeek V4 Pro原生支持百万级长文本解析，官方宣传在推理、编程、智能体任务上，已经达到行业第一梯队水平。
这次SuperCLUE一共拉来13个国产模型同台对比，测评一共设置六大考核项，还特意提高了智能体编程的权重，占比达到25%，很看重模型完成完整工程任务的实力。
对比预览版，它的几项核心分数涨得很可观。智能体编程从47.37分涨到63.16分，一下子提升15.85分。
智能体任务规划上涨6.48分；幻觉控制从79.70分提升到89.73分。推理效能也同步变好，不再只是单纯堆分数，推理耗时得到优化。
当然迭代也有取舍，精确指令遵循的分数出现小幅下滑，看得出开发团队优先去强化长链路智能体、深度推理这部分能力。
横向对比Qwen3.8 Max，它在幻觉推理表现更好，不过指令遵循、智能体编程还有追赶空间，智能体任务规划依旧存在5分左右的差距。
整套测试全部是纯文本场景，智能体任务规划会受这个条件限制。
简单来说，这次更新最大看点就是编程、智能体能力，更适合写代码、做复杂任务规划的开发者。
但它并不是全维度全部变强，部分能力还有优化空间，普通用户和开发者选型的时候，可以结合自己实际需求去判断。
