当 DeepSeek 手里同时有 Flash 和 Pro 之后，Harness 又多了一项很现实的工作：决定什么任务值得上 Pro，什么任务交给 Flash 就够了。模型路由一旦做好，Agent 不需要为了少数高难度步骤，全程承担 Pro 的价格
我看 DeepSeek V4 Pro，重点不在跑分又高了多少，而在于它和 Flash 共同形成了一个有明显能力与价格梯度的模型组合。这让 Agent 系统第一次面对一个很具体的经营问题：每一步任务究竟该用什么级别的模型。
Pro 的提升是真实的，但不是全面碾压
这组实测覆盖了文字写作、商务邮件和多个编程任务。
在文字上，V4 Pro 能抓住模仿对象的句式节奏，也能把日常行为推进到更深一层的社会心理，模板拼接感有所减弱。处理商务邮件时，它敢于直接承认责任，并给出延长质保、免费培训和专属运维等具体补偿，成稿已经接近稍作修改即可使用。
在编程上，它完成了单文件 Web OS、拍立得显影动画、交互式黑洞吸积盘和科幻驾驶舱 HUD 等复杂任务。优势是功能完整、主要交互关系能够落地，说明它处理“大而全”需求的能力确实提高了。
问题也很清楚。界面审美仍然中规中矩；面对 WebGL 这类性能敏感场景，它对粒子数量、实时计算和渲染开销控制得过于激进，在 M2 电脑上出现明显掉帧。
所以我的判断是：V4 Pro 更强，但还没有强到让 Flash 失去位置。两者在一些任务上的实际差距，并没有价格差距那么大。
长上下文既是能力，也是成本压力
V4 系列把上下文扩展到 100 万 tokens，最大输出达到 38.4 万 tokens。普通聊天很少需要这么大的窗口，但 Coding Agent 往往要同时处理几十个文件、修改历史、工具返回结果和长任务状态，长上下文确实有直接价值。
代价是 Token 消耗会快速增加。
素材所列的阶段性价格中，V4 Pro 缓存命中的输入为每百万 tokens 0.025 元，未命中输入为 3 元，输出为 6 元；V4 Flash 分别为 0.02 元、1 元和 2 元。Pro 的未缓存输入与输出价格都是 Flash 的三倍。DeepSeek 同时预告 API 服务近期将整体涨价，因此眼前价格不能被当成长期常量。
V4 Pro 当前的重点仍是文本、推理、编程和工具调用，尚未显示出图像、视频等原生输入能力。它选择的主战场不是多模态，而是 Agent。
Agent 的差距不只来自模型
模型负责推理，但一个 Agent 能不能真正完成工作，还取决于外层运行框架，也就是 Harness。
文件怎么读取，工具怎么调用，上下文怎么管理，失败以后如何重试，长任务如何持续执行，这些机制共同决定最终体验。Claude Code 和 Codex 的差异，也从来不能只用底层模型解释。
DeepSeek 近期在 Harness 方向上的投入正在变得清晰：团队公开招募人才，官方微信公众号也已完成注册。这个动作值得关注，因为 DeepSeek 已经有了 Flash 和 Pro 两档模型，接下来需要有人把它们组织成一个有效率的系统。
模型路由会成为新的成本杠杆
如果 Flash 能够完成大多数常规任务，Pro 只处理少数高难度节点，那么全程调用 Pro 就是一种浪费。
Harness 应该先判断任务难度，再动态选择模型。简单的信息读取、格式转换和常规代码修改可以交给 Flash；需要复杂推理、跨文件规划或关键决策时，再升级到 Pro。这样既保留高难度任务的完成率，也不必让整条任务链承担最高价格。
这件事的价值不只是节省一次模型调用。让模型少重复读取上下文，让工具调用更准确，让失败重试更克制，让长任务减少无意义消耗，都能降低完成同一项工作的 Token 总量。
模型单价低，只是第一层优势。系统知道何时使用什么模型，并用更少的 Token 把任务做完，才是第二层、也更难复制的优势。
DeepSeek 真正要传导的是系统性价比
DeepSeek 过去的竞争方式，并不是要求每一项能力都排第一，而是在模型足以完成绝大多数任务之后，把价格压到足够低。
同样的逻辑正在从模型延伸到 Agent。下一条竞争线，不一定是谁做出了最强的单一模型，而是谁能把模型、上下文、工具和执行流程组合成单位成本最低的可靠结果。
即使 DeepSeek 最终不亲自做出一个占据市场主导地位的 Agent 产品，只要更多 Agent 建立在这套高性价比模型与路由体系之上，它仍然能够获得重要位置。
我认为，这才是 V4 Pro 发布之后最值得观察的部分：Pro 提高了能力上限，Flash 守住了日常任务的成本，而 Harness 决定两者能否真正变成系统优势。