DeepSeek V4 Pro转正：1M上下文+Agent大升级，百万token输出只要6元

8月13日凌晨，DeepSeek V4 Pro 从预览版转正了。这本来只是版本号后面的一个更新，但看完参数和价格，我觉得这可能是下半年最值得关注的一次模型发布。

能力升了多少？

先说结论：上下文直接拉到 100 万 token，单次最大输出 384K。这俩数字放一起，意味着它能吃下一整本书，还能一口气吐出几十页的完整内容。

更关键的是 Agent 能力。这次官方支持了 Responses API 和 Codex 接入，就是给"让模型自己干活"这件事开了正门。基线测试里，它在 Cybergym、AutomationBench 这些 Agent 基准上超过了同类竞品，部分能力已经比肩 Claude 的 Fable 5。

说人话就是：以前让它写个脚本还要反复喂需求，现在它能自己把任务拆开、一步步执行、中间自己纠错。这是从"会回答"到"会做事"的跨越。

价格才是这次最狠的地方

能力升了，价格反而在往下探。这次公布的定价是：百万 token 输入，缓存命中 0.025 元，没命中 3 元；输出 6 元。

这个数字有多低？拿输出端来说，6 块钱一百万 token，写一部二十万字的书，模型吐出来的成本也就十几块。缓存命中那条 0.025 元，几乎等于白送。

DeepSeek 这招的意图很明显：用价格把 Agent 的使用门槛打下来。因为 Agent 跑任务是最费 token 的，一个复杂任务来回调用几十次，token 消耗是指数级的。价格不下来，谁也不敢把重活交给 AI。

1M 上下文 + Agent，意味着什么

这两个能力组合起来，才是重点。上下文长，模型就能记住整个项目的来龙去脉；Agent 强，它就能在记住的前提下真正动手干。

举个具体的场景：你把一整个代码仓库的文档丢进去，让它帮你排查一个跨文件的 bug。以前的模型看到中间就忘了前面，现在它能从头到尾看完，再给出带定位的修改建议。

对做应用的团队来说，这等于把"喂上下文"的成本和"调用次数"的成本同时砍了一刀。以前不敢做的一些功能，现在算得过来了。

我的判断

这次转正，本质上不是一次常规更新，而是 DeepSeek 在 Agent 这条主赛道上的摊牌。能力追平第一梯队，价格保持压制，开源生态继续铺。

国产模型的打法越来越清楚了：不跟你卷"谁的聊天更聪明"，而是卷"谁能更便宜地把活干完"。对开发者和小团队来说，这是实打实的好处。

接下来要盯的不是参数，而是生态里会有多少人真的拿它跑 Agent。那个数据出来，才是真正的分水岭。