DeepSeek V4 Pro 0813

编程59.213 项

• ProgramBenchVals AI0.0%折算分 至多 80.3+
• Vibe Code Bench v1.1Vals AI82.3%折算分 65.0+
• CyberBench Patch v1.1Vals AI85.7%折算分 62.7+
• Code Migration v1.1Vals AI52.0%折算分 62.2+
• APEX-SWEMercor45.9%折算分 61.1+
• LiveBench Agentic CodingLiveBench54.9%折算分 59.5+
• FrontierCode 2.0Artificial Analysis17.1%折算分 58.3+
• Terminal-Bench 4.0Artificial Analysis14.1%折算分 57.3+
• LiveBench CodingLiveBench77.2%折算分 57.1+
• MirrorCodeEpoch AI33.3%折算分 57.0+
• Terminal-Bench 4.0Vals AI14.1%折算分 55.0+
• SciCodeArtificial Analysis51.0%折算分 51.7+
• Vibe Code Bench 1–100Vals AI17.5%+

科研60.113 项

• Mystery Game PuzzlesEpoch AI43.0%折算分 66.6+
• 致知 · 逻辑月榜llm201447.4%折算分 65.4+
• O司南 · 抽象OpenCompass72.5%折算分 65.0+
• Chess PuzzlesEpoch AI46.0%折算分 64.8+
• CritPtArtificial Analysis18.0%折算分 63.2+
• O司南 · 推理OpenCompass72.5%折算分 60.9+
• LiveBench ReasoningLiveBench85.8%折算分 60.2+
• AARC-AGI-2ARC Prize61.3%折算分 59.7+
• FrontierMath T1–3Epoch AI64.6%折算分 59.1+
• Humanity's Last ExamArtificial Analysis41.0%折算分 58.6+
• Terminal-Bench ScienceArtificial Analysis5.7%折算分 56.4+
• Terminal-Bench ScienceVals AI4.3%折算分 至多 56.0+
• CritPt v2 HardArtificial Analysis23.5%折算分 55.6+

专业办公61.212 项

• LiveBench Data AnalysisLiveBench79.2%折算分 66.7+
• AutomationBench-AAArtificial Analysis56.7%折算分 65.1+
• Legal Research BenchVals AI40.9%折算分 64.9+
• τ³-BankingMercor40.2%折算分 64.0+
• Harvey 法律 Agent 基准 v1.1Vals AI10.8%折算分 63.2+
• TaxAgentBenchVals AI26.8%折算分 62.0+
• Excel Modeling v1.1Vals AI65.1%折算分 61.4+
• GDPval-AAArtificial Analysis1,457.4折算分 61.1+
• Finance Agent v2.1Vals AI57.1%折算分 60.6+
• AA-BriefcaseArtificial Analysis1,254.4折算分 58.6+
• APEX-AgentsMercor47.3%折算分 58.5+
• MedCodeVals AI42.5%折算分 52.8+

知识问答56.77 项

• LiveBench LanguageLiveBench82.1%折算分 63.4+
• SimpleQA VerifiedEpoch AI52.9%折算分 62.2+
• O司南 · 知识OpenCompass66.0%折算分 60.4+
• LiveBench IFLiveBench67.7%折算分 58.4+
• AA-LCRArtificial Analysis80.3%折算分 54.3+
• AA-Omniscience v1.1Artificial Analysis-6.4折算分 47.9+
• PBullshitBench v2BullshitBench35.0%折算分 44.1+

真人盲选58.72 项

• Arena WebDevLMArena1,581.9折算分 60.5+
• Arena TextLMArena1,465.1折算分 56.0+

测过，但按规则不计入

这些公开成绩没有计入，原因如下：例如评测方公布超过一半题目被转给了旧型号，或者无法确认测的是哪个版本。

• TapTap Maker：来源只写了不带日期的型号名，无法确认测的是哪个版本。

尚无成绩的评测

这些评测尚无可采用的公开成绩，缺测不补分。