DeepSeek V4 Pro与马斯克押注的Grok 4.6在同一天亮相，直接把新一轮模型竞争推向正面交锋。两款产品瞄准的是同一类能力：让模型在长任务中持续调用工具、修改代码、验证结果，最后交付可直接使用的成品。
公开评测成绩同步刷新
DeepSeek V4 Pro正式版最受关注的，是在多项智能体测试中给出的分数。
在网络安全智能体测试CyberGym中，DeepSeek V4 Pro拿到83.3分，高于Fable 5的83.1分和Opus 4.8的78.3分。在AutomationBench自动化任务测试中，DeepSeek V4 Pro拿到31.8分，超过Fable 5的29.1分与Opus 4.8的27.2分。
在Terminal-Bench 2.1中，DeepSeek V4 Pro拿到87.9分，超过Opus 4.8的85.0分，距离Fable 5的88.0分只差0.1分。
其他高难度Agent测试中，DeepSeek V4 Pro也继续拉开与Opus 4.8的差距。带工具的「人类最后考试」项目中，DeepSeek V4 Pro为60.0分，Opus 4.8为57.9分，Fable 5为63.0分。此前相对薄弱的软件工程智能体DeepSWE，DeepSeek V4 Pro从预览版的12.8分升至62.7分，接近原来的4.9倍；这一成绩也高于Opus 4.8的58.0分，距离Fable 5的70.0分还差7.3分。
另一边，Grok 4.6的对比对象则包括Fable 5和GPT-5.6 Sol。
综合智能指数上，Grok 4.6拿到61分，距离Fable 5的62分只差1分。编码测试中，Grok 4.6在CursorBench拿到69.9%，高于GPT-5.6的67.2%，距Fable 5的70.5%相差0.6个百分点；在FrontierCode中，Grok 4.6为61.3%，高于GPT-5.6的60.6%，低于Fable 5的63.6%。
到了更接近真实交付场景的知识工作测试，Grok 4.6在三项评测中都排在第一。GDPval-AA v2中，Grok 4.6为1753 Elo，Fable 5为1741，GPT-5.6为1728；AA-Briefcase中，Grok 4.6为1577 Elo，Fable 5为1574，GPT-5.6为1502；专业法律任务Harvey LAB中，Grok 4.6为15.8%，Fable 5为11.3%，GPT-5.6为2.5%。
价格战同步打响
除性能外，这次同日发布还有一个共同点：价格明显下探。
按每百万输出Token计算，Grok 4.6定价为6美元，GPT-5.6 Sol为30美元，Claude Opus 5为25美元，Fable 5为50美元。DeepSeek V4 Pro则为0.87美元，约为Grok 4.6的1/7、GPT-5.6 Sol的1/35、Claude Opus 5的1/29、Fable 5的1/57。
首批实测进入真实任务场
在跑分之外，首批开发者测试已经开始把DeepSeek V4 Pro和Grok 4.6拉进真实任务。
第一轮测试中，DeepSeek V4 Pro仅通过一条提示词，就在浏览器里从零搭出一颗完整的3D交互式地球。拖动、旋转、缩放等基础交互可用，全球数据流、动态航线与地理标记也铺在地球表面。进一步看，大气层散射、云层渲染、昼夜光影和整套UI界面也都具备。
AI博主「向阳乔木」随后用DeepSeek V4 Pro连续跑了3个小任务，并把其中两道题的相同提示词交给Grok 4.6，直接比较最终成品。
第一个任务是调用3个Skill开发并部署一个网站。DeepSeek V4 Pro完成了整套流程，从页面设计到完成度，整体表现稳定。第二个任务是复刻60种设计风格，并生成一整套Bento卡片集中展示。DeepSeek V4 Pro在字体、配色和版式上做出了明显区分，整体视觉效果较好。第三个任务是从零生成一款3D打砖块游戏，成品可以直接上手，也加入了立体场景、背景音乐和动态音效。
当相同提示词被交给Grok 4.6后，在3D打砖块这一项里，两款模型表现接近。Grok生成的游戏在视觉效果、场景完整度和可玩性上都与DeepSeek V4 Pro相近。到了60种Bento设计这一项，Grok 4.6则扳回一局，部分页面在排版、配色和视觉层次上更成熟。
Flappy Bird与前端测试各有胜负
更直接的对比发生在Flappy Bird任务中。开发者Jun Song给出同样的提示词，让DeepSeek V4 Pro和Grok 4.6分别从零生成一款游戏。
两款模型走出了不同路线。DeepSeek V4 Pro消耗超过2万Token，成本为0.019美元；Grok 4.6使用约5000 Token，成本达到0.03美元。
从最终成品看，这一轮DeepSeek V4 Pro表现更强。游戏画面里加入了山脉远景、层叠云朵，水管带有渐变和体积感，角色穿过水管时还会弹出「+1」浮动动画。按原文描述，从场景层次到操作反馈，DeepSeek V4 Pro的端到端构建完成度高于Grok 4.6。
在开发者Hamza进行的另一项前端测试中，DeepSeek V4 Pro再次胜过Grok 4.6，页面完成度和最终视觉效果都更好。
不过，DeepSeek V4 Pro也并非全部占优。原文提到，在一组鹈鹕对比测试中，V4 Pro相较Flash版本画面完成度更高，大象造型也更美观，但鹈鹕的运动方向被画反了。
当测试难度继续提升，分别让DeepSeek V4 Pro、GPT-5.6 Sol和Claude Opus 5使用Three.js生成同一棵樱花树时，差距变得更明显。无论是树干与枝叶细节，还是光影、景深和整体氛围，DeepSeek V4 Pro都不如另外两款模型。
同一天追近头部模型
几轮公开成绩和实测结果放在一起看，原文判断DeepSeek V4 Pro与Grok 4.6已经打到同一水平线，彼此差距有限。
Rick De Oliveira对这两款模型同日爆发的评价是：「强大，而且实惠。」
按原文描述，从网络安全、知识型任务到Agent自主解决问题，两款模型都在多个场景里以更低价格逼近OpenAI和Anthropic的顶尖产品。原文还提到，马斯克已经预告Grok 4.7即将推出，目标是超过所有顶尖AI；OpenAI与Anthropic后续也将迎来新一轮回应。
本文参考资料包括DeepSeek定价页、xAI新闻页，以及vista8和Jun Song在X平台发布的测试内容。原文来自微信公众号「新智元」，作者为ASI启示录，编辑为摩西、桃子。