DeepSeek V4 Pro mencatat lonjakan 390% pada benchmark DeepSWE setelah beralih dari versi Preview ke versi final. Skornya meningkat dari 12,8 menjadi 62,7 pada pengujian rekayasa perangkat lunak.
Peningkatan itu melengkapi keunggulan V4 Pro atas Kimi K3 dalam pengujian otomasi dan tugas full-stack kompleks. DeepSeek kini menempatkan model tersebut untuk penggunaan agen AI yang membutuhkan penalaran dan eksekusi bertahap.
Kenaikan Besar pada Pengujian Teknis
Menurut data resmi DeepSeek yang dikutip gadget.viva.co.id, seluruh benchmark utama menunjukkan kenaikan dari versi Preview. Perubahan paling besar terjadi pada DeepSWE, tetapi peningkatan juga terlihat pada terminal, keamanan siber, dan penggunaan alat.
| Benchmark | Preview | Final | Kenaikan |
|---|---|---|---|
| Terminal-Bench 2.1 | 72,1 | 87,9 | 22% |
| DeepSWE | 12,8 | 62,7 | 390% |
| CyberGym | 52,7 | 83,3 | 58% |
| Toolathlon-Verified | 55,9 | 74,1 | 33% |
Terminal-Bench 2.1 naik dari 72,1 menjadi 87,9. Pada CyberGym, yang berkaitan dengan kemampuan keamanan siber, skornya meningkat dari 52,7 menjadi 83,3.
Nilai Toolathlon-Verified bertambah dari 55,9 menjadi 74,1. Kenaikan ini menunjukkan penguatan kemampuan model ketika memakai alat dalam proses penyelesaian pekerjaan.
Persaingan Langsung dengan Kimi K3
Dalam AutomationBench Public, DeepSeek V4 Pro meraih skor 31,8 dan Kimi K3 mencatat 30,8. Pengujian tersebut mengukur kemampuan otomasi.
V4 Pro juga unggul dalam DSBench-Hard, yang digunakan untuk menilai pekerjaan full-stack dengan tingkat kompleksitas tinggi. Skornya mencapai 67,2, sedangkan Kimi K3 memperoleh 63,0.
| Pengujian | DeepSeek V4 Pro | Kimi K3 |
|---|---|---|
| AutomationBench Public | 31,8 | 30,8 |
| DSBench-Hard | 67,2 | 63,0 |
Selisih itu menempatkan DeepSeek V4 Pro sedikit di depan pada dua skenario kerja berat yang disebutkan. Kimi K3 tetap menjadi pesaing dekat dalam kompetisi model AI domestik China.
Pengaturan untuk Agen AI
DeepSeek menyediakan tiga tingkat reasoning effort untuk menyesuaikan pemrosesan dengan kerumitan tugas. Mode Low dipakai untuk pekerjaan sederhana yang tidak membutuhkan alur logika panjang.
Mode High ditujukan untuk kebutuhan operasional harian agen AI. Mode Max dirancang bagi pekerjaan yang sangat kompleks, seperti debugging sistem dan analisis dengan banyak tahap.
Pengaturan tersebut memungkinkan pengguna menentukan keseimbangan antara kecepatan, akurasi, dan biaya. Fleksibilitas ini dapat digunakan ketika satu aplikasi menjalankan beban kerja yang berbeda-beda.
Kompatibilitas dan Tarif Berdasarkan Waktu
DeepSeek V4 Pro mendukung OpenAI Responses API secara native serta menyediakan integrasi satu-klik dengan Codex. Model ini dapat diakses melalui aplikasi dan situs DeepSeek menggunakan Expert Mode.
Nama model pada API publik tetap sama, sehingga pengguna versi sebelumnya tidak perlu mengubah integrasi yang telah digunakan. DeepSeek juga akan menerapkan tarif berdasarkan waktu mulai 16 Agustus 2026 pukul 23.00 WIB.
Jam puncak berlaku pada pukul 08.00–11.00 WIB dan 13.00–17.00 WIB. Di luar waktu tersebut, tarif off-peak disebut 50% lebih murah.
Tarif V4 Pro per 1 juta token mencakup input cache hit sebesar $0,044 (Rp784), input cache miss $1,32 (Rp23.500), dan output $3,96 (Rp70.600). Untuk kebutuhan skala besar dengan anggaran lebih terbatas, DeepSeek menyediakan varian V4 Flash yang lebih ringan dan lebih murah.
