8月12日深夜到13日凌晨，两件事几乎同时发生：DeepSeek官方API文档悄悄把deepseek-v4-pro指向了新版本DeepSeek-V4-Pro-0813，结束了这个旗舰模型从4月24日开始的预览期；几乎同一时间，xAI也放出了Grok 4.6。媒体给这个巧合起了个挺戏剧化的名字，但抛开话题性，这次同时发布真正值得聊的，是两家给出了两条完全不同的技术路径。

DeepSeek这边：架构一个字没动，分数却大幅跳涨

先说清楚一个容易被忽略的细节：V4-Pro-0813和4月的预览版，用的是同一套架构、同一个参数规模——1.6万亿总参数的MoE模型，每次推理激活约490亿参数。官方也没有暗示底层架构有调整。也就是说，这轮提升完全来自后训练阶段的重做。

跳变的幅度不小。DeepSWE这个内部Agent基准从12.8涨到62.7；Cybergym从52.7涨到83.3；Terminal Bench从72.1涨到87.9。这几项测的都是同一类能力：长链路的代码修改、环境操作、连续工具调用——恰好是预览版最容易出问题的地方。

接口层面，V4-Pro-0813把上下文窗口做到了100万token，输出上限提到38.4万token，同时新增了Responses API和Anthropic API双协议兼容，这意味着Codex、Claude Code这类已经适配了对应协议的编程工具，可以直接切换过来用，不需要额外改造调用层。

跑分对比上，Terminal Bench 2.1这一项，V4-Pro-0813拿到87.9分，和Kimi K3的88.3分只差0.4分；HLE开启工具后的成绩是60.0；CyberGym上的83.3甚至高出Claude Opus 4.8的78.3。单看某一项不算稀奇，难的是同时在终端操作、代码工程、工具调用、安全攻防这几个维度都没有明显短板——这也是官方后训练重做想达到的效果：不是某一项刷高，而是整体拉平。

xAI这边：走的是另一条路——大规模Agent强化学习

Grok 4.6没有靠架构或后训练的针对性调整，而是在Grok 4.5基础上做了更长的补充训练，训练数据包括经过筛选的模型推理轨迹和工程数据，并配合改进后的优化器。真正的重点在后面：模型接受了覆盖知识工作、通用编程、内核优化、Web开发、计算机辅助设计等多个领域的Agent强化学习训练，目标很明确——让模型能独立扛住一个跨越几十步、持续几十分钟的完整任务，而不是把任务拆成一问一答。

上下文窗口方面，Grok 4.6做到了50万token。定价上，输入2美元/百万token、输出6美元/百万token，落在200K以内的请求区间，这个价格只有同级别前沿模型的一半左右。发布信息里还提到一个细节：Grok 4.6已经上线Cursor和Grok Build，首周这两个平台会给到双倍的使用额度——这是一个很明显的信号，xAI想让开发者尽快在真实编程场景里试出模型的实际表现，而不只是看跑分。

如果只看训练方式，这是两种完全不同的打法：一个是架构冻结、押注后训练精调；一个是延长强化学习、押注跨领域Agent能力泛化。但落到结果上，两者其实在解决同一个问题——模型能不能独立完成一个"目标模糊、步骤很多、中途会遇到意外"的真实任务，而不是只在单轮问答里表现好看。

价格趋势也在往同一个方向收敛。DeepSeek维持了输入3元、输出6元每百万token的定价，同时预告近期会调整；Grok 4.6把价格压到了同类前沿模型的一半。前沿智能这个级别的模型，正在被两条不同的技术路径同时推向"更便宜"这一端，这对做成本敏感型Agent系统的团队是个实打实的利好，但也意味着单纯靠"用得起更贵的模型"建立的竞争壁垒，正在变薄。

对做Agent系统的开发者，这次发布真正该关注的信息是什么

两家都没有公布模型内部机制的全部细节，跑分对比也各有各的口径，直接照抄榜单意义不大。更实际的做法，是把评估这件事拆成和自己业务场景匹配的几个维度去看，而不是只认一个综合分：

from dataclasses import dataclass


@dataclass
class ModelCandidate:
    name: str
    terminal_bench: float      # 终端环境复杂任务执行能力
    input_price: float         # 每百万token输入价格
    output_price: float        # 每百万token输出价格


def score_for_scenario(model: ModelCandidate, weight_agent: float, weight_cost: float) -> float:
    agent_score = model.terminal_bench * weight_agent
    cost_score = (1 / (model.input_price + model.output_price)) * weight_cost
    return agent_score + cost_score


def rank_by_scenario(candidates: list, weight_agent: float, weight_cost: float) -> list:
    scored = [(c.name, score_for_scenario(c, weight_agent, weight_cost)) for c in candidates]
    return sorted(scored, key=lambda item: item[1], reverse=True)

这段代码本身很简单，重点不在实现，而在思路：终端Agent能力和成本敏感度的权重,应该按自己系统的实际任务类型来设，而不是套用某个通用榜单的排序。一个需要长时间自主跑完整流程的系统,和一个只做单轮工具调用的系统,该看的评测维度完全不一样。

架构冻结靠后训练拉分，和延长强化学习靠泛化拉分，是两种不同的工程判断，谁更划算取决于团队当下卡在哪个环节。但两家同一晚交卷，且都把价格往下压，说明这个判断题正在变成整个行业共同要回答的问题：下一阶段的竞争，会更多发生在训练方法论和成本控制上，而不是参数规模的堆叠上。

DeepSeek V4 Pro和Grok 4.6前后脚发布，这次拼的不是参数，是训练路径

人工智能

新闻资讯

算法

DeepSeek-V4-Pro-0813与Grok4.6同日发布，分别通过后训练精调与Agent强化学习提升长链路任务能力，均降价并聚焦真实场景执行。开发者应依据自身业务权重评估终端操作与成本，而非依赖通用榜单。

强化学习

DeepSeek

Agent

快速部署LLM、AI绘画等应用,助你玩转AIGC！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

DeepSeek V4 Pro和Grok 4.6前后脚发布，这次拼的不是参数，是训练路径

DeepSeek V4 Pro和Grok 4.6前后脚发布，这次拼的不是参数，是训练路径

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐