8月12日，DeepSeek与马斯克旗下SpaceXAI同日发布新模型DeepSeek-V4-Pro和Grok 4.6，新一轮大模型竞争再次升温。
从最新评测来看，两款模型均进一步逼近全球头部水平。其中，DeepSeek-V4-Pro在多项智能体相关测试中超过Anthropic的Claude Opus 4.8；Grok 4.6则在Artificial Analysis智能指数中追平OpenAI旗舰模型GPT-5.6 Sol。
能力差距缩小的同时，中美大模型之间悬殊的价格差距也在发生变化。
DeepSeek-V4-Pro正式版Agent性能大幅提升，多项测试超过Claude Opus 4.8，此前预告的“大幅涨价”暂未落地
8月12日晚，DeepSeek更新官方API文档，正式上线旗舰模型DeepSeek-V4-Pro-0813，API及Chat端已同步更新。
这是继7月31日DeepSeek-V4-Flash-0731正式上线后，DeepSeek V4系列迎来的又一次更新。
从DeepSeek公布的评测结果来看，此次V4-Pro正式版的主要提升集中在Agent能力。
与DeepSeek今年4月发布的V4-Pro预览版相比，正式版在多项Agent相关测试中的成绩明显提高。其中，考察软件工程能力的DeepSWE得分由12.8升至62.7；高难度数据科学任务测试DSBench-Hard得分由31.1升至67.2；终端操作能力测试Terminal Bench 2.1得分由72.1升至87.9；网络安全测试Cybergym得分由52.7升至83.3；HLE带工具测试则由48.2升至60.0。
DeepSeek还将V4-Pro与Anthropic旗下的Claude Opus 4.8和Fable 5进行了比较。官方公布的评测数据显示，V4-Pro在多项测试中超过Claude Opus 4.8，与Fable 5则各有胜负。其中，在Terminal Bench 2.1中，V4-Pro得分87.9，与Fable 5的88.0基本持平；在Cybergym中，V4-Pro以83.3略高于Fable 5的83.1；在DSBench-FullStack中，V4-Pro得分71.1，低于Fable 5的77.2。
8月13日，半导体与AI研究机构SemiAnalysis在社交平台发文称，DeepSeek-V4-Pro在Agent任务上的表现大幅超过英伟达Nemotron 3 Ultra。其引用的Terminal Bench 2.1数据显示，Nemotron 3 Ultra得分53.9，V4-Pro则达到87.9。
除性能升级外，V4-Pro支持100万Token上下文窗口和最高38.4万Token输出，并同时支持思考与非思考模式，其中思考模式默认开启。DeepSeek官方API文档显示，新模型还支持工具调用等功能，并同时兼容OpenAI和Anthropic两套API格式。
不过，在模型性能明显提升的同时，DeepSeek此前预告的API“大幅涨价”并未随V4-Pro正式版上线一同落地。
截至8月13日，DeepSeek官方API价格页面显示，V4-Pro每百万Token缓存命中输入价格为0.025元，缓存未命中输入为3元，输出为6元，与此前V4-Pro预览版定价相同。V4-Flash对应价格分别为0.02元、1元和2元。
目前，DeepSeek仍在官方价格页面明确提示，计划近期整体上调DeepSeek API服务定价，且“预计涨幅较大”，具体方案以正式通知为准。也就是说，截至8月13日V4-Pro正式版上线，DeepSeek此前预告的这轮API调价尚未实施。
Grok 4.6性能追平OpenAI旗舰模型，单任务成本与Kimi K3持平
当地时间8月12日，SpaceXAI发布新一代大模型Grok 4.6，这距离上一代Grok 4.5发布仅一个多月。Grok 4.6主要面向长时间运行的AI智能体，以及更复杂的交互和视觉任务。
从AI模型评测机构Artificial Analysis的最新评测结果来看，Grok 4.6的综合得分已经追平OpenAI旗舰模型。
Artificial Analysis 8月12日公布的数据显示，在最新版本的Artificial Analysis Intelligence Index（智能指数）中，Grok 4.6获得61分，与OpenAI的GPT-5.6 Sol并列，低于Claude Opus 5的63分和Claude Fable 5的62分，高于Kimi K3的60分和DeepSeek-V4-Pro的53分。
Artificial Analysis将这一指数用于综合衡量不同模型的能力表现，并明确标注分数越高越好。该指数综合了9项评测，包括用于测试高经济价值职场任务的GDPval-AA v2、终端操作测试Terminal-Bench v2.1，以及Humanity's Last Exam、GPQA Diamond等。
性能提升的同时，Grok 4.6并未同步涨价。SpaceXAI公布的价格显示，新模型每百万Token输入和输出价格分别为2美元和6美元，与上一代Grok 4.5保持一致。相比之下，Claude Opus 5的每百万Token输入和输出价格分别为5美元和25美元，GPT-5.6 Sol分别为5美元和30美元。
Artificial Analysis从完成一项智能指数测试任务所产生的实际Token消耗出发，对不同模型的单任务成本进行了测算。结果显示，Grok 4.6完成一项测试任务的平均成本为0.84美元，与Kimi K3持平。
马斯克也在新模型发布后密集宣传Grok 4.6。媒体8月13日报道称，模型上线后约两小时内，马斯克转发了约10条相关推文，并称Grok 4.6“智能、快速且性价比超高”，在同时考虑智能水平、速度和成本的情况下“客观上是第1”。
中美大模型价差正在收窄，中国市场从“价格战”转向“智力战”
DeepSeek此次暂未兑现此前预告的“大幅涨价”，但从更长的时间维度看，中国大模型的价格正在整体上行。
摩根士丹利8月9日发布的研报《告别价格战，打响智力战》（Intelligence War Over Price War）显示，其统计字节跳动、阿里巴巴、百度、腾讯、MiniMax、智谱、月之暗面和DeepSeek等厂商官方报价后发现，2026年第二季度，中国大模型平均API输入价格已经升至每百万Token 4.9元，输出价格升至21.9元，相比2025年第一季度的3.3元和12.2元，分别上涨约48%和80%。
摩根士丹利认为，中国大模型行业正在建立更加健康的商业化环境，竞争重点也在从价格转向模型能力。8月8日，DeepSeek曾预告将“大幅”上调API价格。摩根士丹利认为，这一变化可能与V4系列需求增强带来的定价能力提升、维持合理毛利以支持前沿模型持续投入，以及推理成本等因素有关。随着模型能力和规模继续提升，中国新一代大模型的定价可能进一步上升，行业竞争将更多转向模型能力和算力供给。
研报进一步指出，“模型智能，而非价格，才是大模型长期竞争地位的关键决定因素”。原因在于，头部模型厂商可以推出价格更低、能力稍弱的模型进入大众市场，但普通模型厂商要反过来追赶至最前沿水平则困难得多。持续提升前沿模型能力还需要大量训练和算力投入，单纯依靠低价争夺市场可能压低毛利，并进一步限制下一代模型研发所需的资金。
中国模型涨价的另一面，则是美国头部模型价格下降，中美之间悬殊的模型价格差距正在缩小。
摩根士丹利8月12日发布的另一份研报指出，2025年一季度中国大模型输入、输出API均价仅分别占到美国同行的6%、5%，到2026年二季度，这两个指标的占比已上涨至 19%与14%。随着中国模型价格上涨，以及美国厂商继续下调模型价格，这一差距预计还将进一步收窄。研报认为，中国模型已经“不再像过去那么便宜”，与此同时，美国厂商特别是中低端模型仍存在进一步降价空间。
从Silicon Data的LLM Token价格指数也可以看到这一变化。截至2026年8月，闭源模型Token价格指数已从此前超过4美元的高位快速降至3.07美元；同期，开源模型Token价格指数约为0.66美元。摩根士丹利指出，开源模型使用比例上升与闭源模型降价正在共同推动整体Token价格下降。
