DeepSeek V4.1 Pro灰测启动 能力跃升通过率64%登顶国产第一

近日DeepSeek服务多次短暂中断，实为V4.1 Pro版本开启灰度测试的伴随现象。据AI开发者@MaxForAI实测，其构建的LobeBench Hard 50标准化测试集（50道高难度任务，要求连续三次尝试至少一次成功）显示：V4 Pro-0813版本通过24题（48%），而灰测版V4.1 Pro通过32题（64%），跃居国产大模型首位；新增8道通过题均为Hard级任务，且满足“连续三次完成”条件的案例从24增至32，稳定性提升显著。该测试聚焦多步骤推理、工具调用与容错能力，反映模型在复杂逻辑链构建与错误恢复上的实质性进步。值得注意的是，此次升级发生在DeepSeek高并发压力下——10月下旬V4.1 Flash周Token调用量达33.6万亿，环比暴增801%，但算力投入仅提升8.5%，导致服务可用性承压：8月至10月V4 Pro API可用率为99.74%（年均不可用约22.8小时），V4.1 Flash为99.46%（约47.3小时）。业界普遍推测V4.1 Pro正式版将于近期发布，灰测系上市前关键验证环节。DeepSeek已于10月完成1055亿元B轮融资，投后估值6155亿元，科创板上市筹备同步推进。技术层面，新版或配套优化服务架构，以更高推理效率缓解供需失衡；后续焦点将落在API稳定性改进及真实业务场景（如代码生成、Agent工作流）中的表现复现上。