DeepSeek V4 Pro 0813 jest już dostępny w aplikacji, serwisie internetowym i API, ale wywołania nadal korzystają z nazwy deepseek v4 pro. API obsługuje format OpenAI Responses API i integrację z Codex, dzięki czemu model jest kierowany przede wszystkim do agentów programistycznych, obsługi narzędzi i wieloetapowych z...
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Chinese AI startup DeepSeek announce about the official API release of its V4 Pro model, including its upgraded AI-agent capabiliti. Article summary: DeepSeek announced the general-availability API release of DeepSeek-V4-Pro-0813, saying it substantially improves AI-agent performance in production while retaining the existing API model name, `deepseek-v4-pro`. [1][2]. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
DeepSeek przeniósł model V4 Pro z fazy preview do general availability, czyli pełnej dostępności produkcyjnej. Wersja wdrożona w aplikacji, serwisie internetowym i API nosi oznaczenie DeepSeek-V4-Pro-0813. Dla programistów najważniejsze jest jednak to, że sposób wywoływania modelu się nie zmienił: nadal wystarczy używać identyfikatora deepseek-v4-pro.
To nie jest wyłącznie aktualizacja numeru wersji. DeepSeek deklaruje wyraźną poprawę działania w produkcyjnych scenariuszach z udziałem agentów AI — szczególnie podczas programowania, korzystania z narzędzi oraz realizowania zadań wymagających wielu kolejnych kroków.
Dokumentacja DeepSeek wskazuje, że ustawienie modelu na deepseek-v4-pro automatycznie kieruje zapytania do najnowszej wersji ogólnodostępnej.
Oznacza to prostą aktualizację dla istniejących wdrożeń: nazwa modelu pozostaje stabilna, a po stronie API obsługiwana jest wersja 0813. Nie trzeba więc wymieniać identyfikatora w aplikacji tylko po to, by korzystać z nowego wydania.
Nowe API obsługuje format OpenAI Responses API i zostało zoptymalizowane pod kątem przepływów pracy z Codex, w tym konfiguracji Codex jednym kliknięciem. Dokumentacja wymienia również zgodność z interfejsami OpenAI Chat Completions oraz Anthropic.
W praktyce ma to znaczenie dla twórców agentów, a nie tylko prostych aplikacji generujących tekst. Tego typu interfejsy ułatwiają łączenie odpowiedzi modelu z narzędziami, wykonywaniem kodu i kolejnymi etapami zadania. To właśnie w takich scenariuszach model ma samodzielnie planować działania, korzystać z dostępnych funkcji i iteracyjnie dochodzić do wyniku.
Według opublikowanych przez DeepSeek danych V4 Pro 0813 znacząco poprawił wyniki w kilku testach związanych z programowaniem i pracą agentów. W Terminal-Bench 2.1, który sprawdza wykonywanie zadań w środowisku terminalowym, model uzyskał 87,9 pkt, w porównaniu z 72,1 pkt dla wcześniejszej wersji preview. To wynik niemal identyczny z rezultatem Fable 5 — 88,0 pkt.
Pozostałe podawane wyniki to:
Relacje dotyczące premiery wskazują, że V4 Pro przewyższył Fable 5 w testach CyberGym i AutomationBench, natomiast w Terminal-Bench pozostał minimalnie za nim.
Wyniki te należy jednak interpretować ostrożnie. Zasadniczo opierają się na tabeli ewaluacyjnej DeepSeek i materiałach towarzyszących premierze, a nie na jednym, niezależnie przeprowadzonym badaniu porównawczym. Są więc przede wszystkim deklarowanymi wynikami producenta, które wymagają niezależnego odtworzenia.
Mimo tego kierunek rozwoju jest czytelny: DeepSeek celuje w agentów programistycznych, zadania terminalowe, cyberbezpieczeństwo i procesy, w których model musi wykonać serię działań zamiast udzielić jednej odpowiedzi.
Dostarczona tabela cen podaje stawki za 1 mln tokenów:
Według tego samego źródła stawki poza szczytem są o połowę niższe. Okna szczytowe przypadają na 01:00–04:00 UTC oraz 06:00–10:00 UTC.
W materiałach dotyczących cen występują jednak rozbieżności walutowe i dokumentacyjne. Inny raport, powołujący się na dokumentację DeepSeek, podaje 3 juany za milion tokenów wejściowych, 6 juanów za milion tokenów wyjściowych oraz 0,025 juana za milion tokenów wejściowych rozpoznanych w cache.
Przed wyliczeniem kosztów produkcyjnego wdrożenia warto więc sprawdzić aktualny cennik bezpośrednio w dokumentacji API DeepSeek i potwierdzić zarówno walutę, jak i zakres obowiązywania poszczególnych stawek.
V4 Pro 0813 jest szczególnie interesujący dla zespołów budujących agentów do programowania i systemów korzystających z narzędzi. Użytkownicy istniejących integracji mogą zachować identyfikator deepseek-v4-pro, a zgodność z Responses API i Codex może ograniczyć ilość pracy potrzebnej do podłączenia modelu do gotowego środowiska agentowego.
Wzrost z 72,1 do 87,9 pkt w Terminal-Bench oraz z 12,8 do 62,7 pkt w DeepSWE sugeruje dużą poprawę względem wersji preview w zadaniach związanych z kodem i działaniem w terminalu. Nie oznacza to jednak, że model będzie radził sobie identycznie w każdym projekcie, języku programowania czy środowisku produkcyjnym. Wynik w jednym benchmarku nie zastępuje testów na własnych danych i procesach.
Najkrócej mówiąc, DeepSeek V4 Pro to jednocześnie premiera modelu i aktualizacja platformy agentowej. Nazwa używana w kodzie pozostaje bez zmian, API zyskuje szerszą kompatybilność, a deklarowane wyniki w zadaniach wieloetapowych wyraźnie wzrosły względem wersji preview.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
DeepSeek V4 Pro 0813 jest już dostępny w aplikacji, serwisie internetowym i API, ale wywołania nadal korzystają z nazwy deepseek v4 pro.
DeepSeek V4 Pro 0813 jest już dostępny w aplikacji, serwisie internetowym i API, ale wywołania nadal korzystają z nazwy deepseek v4 pro. API obsługuje format OpenAI Responses API i integrację z Codex, dzięki czemu model jest kierowany przede wszystkim do agentów programistycznych, obsługi narzędzi i wieloetapowych zadań.
W testach opublikowanych przez DeepSeek model uzyskał 87,9 pkt w Terminal Bench 2.1, wobec 88,0 pkt dla Fable 5, a także wyprzedził ten model w CyberGym i AutomationBench.