DeepSeek V4 Pro 正式版上线两小时，我们安排它挑战卫冕冠军——它自己的旧版

8 月 12 日深夜，DeepSeek 官方更新日志上线 V4 Pro 正式版，原话是「调用方法不变，使用 deepseek-v4-pro 即可调用最新版本」。一到两个小时后，我们把它拉上了擂台。对阵卡有点罕见： 挑战者是刚上线的正式版（定价页版本行写作 DeepSeek-V4-Pro-0813），卫冕方是它自己的 preview 旧版——我们榜单上的女频现任冠军，7 月 16 日测的 0716 权重快照。三场打完， 比分逐场记：女频《甄嬛传》1:11，玄幻对旧版 3:9，加赛挑战玄幻现任冠军 V4 Flash（同为 0716 快照）也是 3:9。卫冕方三场全胜。

而这位卫冕成功的冠军，已经不在场上了。GA 沿用同一个模型 ID 热切了权重，preview 没有留下任何带日期后缀的调用入口。冠军赢下了卫冕战，然后从 API 里消失。

赛制：对手是录像，协议一个字没动

协议照抄我们从九模型横评一路沿用到 K3、Opus 5、Gemini 3.6 Flash 各轮的那套：同两本书 （890 万字传统玄幻，加《后宫·甄嬛传》），同一个约 55% 深度的起笔点，同 1.6 万 token 滚动窗口，每轮产物拼回上下文再写下一轮，各 20 轮，温度 0.7，唯一变量是模型。评测走 DeepSeek 官方 API（api.deepseek.com/v1），2026-08-13 凌晨 00:36 到 01:20，GA 官宣后 一到两小时，全程平峰时段。

对手侧全部复用历史归档链，一轮没重跑——女频场对手链本来就是现行上下文说明条件下生成的， 天然成对；玄幻场两条对手链是旧版说明条件（当年九模型横评的原始材料），严格说混进了措辞变量。 接受这个混入有依据：三种说明措辞的消融实验里 DeepSeek 系全部零回退不敏感，且本轮正式版新链 40 轮无一处接续点回退。如实登记，不藏在脚注里。

评委六家五厂（claude-4.6-sonnet、gemini-3.1-pro-preview、gemini-3.5-flash、kimi-k2.6、 qwen3.7-max、glm-5.2），每场两套甲乙翻转映射。有一处池变更必须说明：deepseek-v4-pro 本来是评委池成员，这轮它是被试，按先例换成 gemini-3.5-flash 补位——被试两侧都是 DeepSeek 系而池内已无 DeepSeek 评委，自审和同厂偏好都不存在。36 份裁决零失败。

第一场，女频主场：1 比 11

冠军的主场没有悬念。原始票 1:11，按 early、mid、late 三窗分别是 1:11、2:8（平 2）、1:11； 剔除在映射翻转下自相矛盾的位置偏差票后，跨映射稳定票 0:5——五个评委稳定投旧版，没有一个 稳定投正式版。这是本轮三场里信号最强的一场。

败因四家评委独立点到同一处。qwen3.7-max 的原话：「甲陷入现代疼痛文学式的比喻堆砌，文风矫情， 且甄嬛亲探暴室严重 OOC」；gemini-3.1-pro 对照着夸旧版「极好地还原了流潋紫的『甄嬛体』风格」， 再补一刀「甲辞藻过度诗意化，情节跳跃，缺乏原著的从容与细密感」。量化口径能对上：正式版链的 「像」字系比喻密度每千字 7.36 次，旧版 3.35，原著续写窗口 0 次——「像一只垂死的蝶」「像团被 揉碎的烟罗」「像细小拳头擂着人心」，这些句子放进现代言情不违和，放进甄嬛体就是换了个作者。

剧情层还有一处软失效：暴室探监这场戏从第 10 轮滞留到第 19 轮，前后约 10 轮没走出这个场景， 模型甚至自己写出「她又低声重复」。跨轮逐字重复率量出来只有 1.8% 的峰值，机械检测抓不到它， 评委独立点名了它——「场景驻留」这个失效形态在我们的三分类学之外，先记档。

专名记忆探针这轮也更系统地翻了车。正式版把皇后居所写成「景仁宫」6 次：那是电视剧的设定， 小说正文 0 次（全书唯一一次出现在 99.8% 深度、书尾附的下一部预告章里），流潋紫笔下的皇后 住所是昭阳殿，全书 67 次。续写窗口里皇后居所名一次都没出现过，这 6 处景仁宫全部来自参数 记忆——底层记忆偏电视剧。K3 在同一根探针上 只错过 1 次。

第二、三场，玄幻：两个 3 比 9

对旧版 3:9，稳定票 0:3；对玄幻现任冠军 V4 Flash（0716 快照）3:9，稳定票 1:4。输冠军还能 解释成档位分工——Pro 在原榜玄幻本来就排 2-4，Flash 才是第 1——两本书都输给自家前代， 这个没法解释成分工。

玄幻场的病和女频同源不同貌。三家评委独立点名「高武设定降维」：一个宇宙主宰级的人物，late 窗被写成涉溪水、林间避雨、荧光石照明、听夜鸟惊飞的野外潜行。gemini-3.5-flash 的裁决原话： 「甲样本在后期（late）出现了严重的文风偏离，写成了武侠/传统玄幻的细腻写景风（溪水、古木、 荧光石、夜鸟），与原著的宇宙主宰科幻玄幻风严重割裂」——四个意象逐字命中正式版第 16 到 19 轮。 qwen3.7-max 更直接：「主宰涉溪水」的低武画风突变。

少数派意见照登。claude-4.6-sonnet 是全场唯一跨映射稳定投正式版的评委，理由是「甲全程保持 原著短促句式、动作与感知交织的叙事密度、克制内敛的对白腔调及强烈的现场临场感」——与其余 五家相左，属品味分歧，不属位置偏差。另一处如实记：kimi-k2.6 三组对决全部摇摆，6 票全废， 这轮位置偏差浓度偏高，稳定票口径因此比原始票保守得多。

与半个月前的 Opus 5 增量轮对照很说明问题： Opus 5 也「变文艺」，方向是古典向，女频场 12:0 通吃；正式版的文艺化是现代向，女频场 1:11 被杀。同一个动词，两个方向，两种命运。

记分卡：统计又和人味分了家

与原著结构画像的综合距离（越小越贴），玄幻场正式版 0.369，明明优于旧版的 0.454，票却是 3:9——评委抓的设定降维、文艺化、节奏拖沓在句长统计里不显影，旧版的复读和低对话率拖坏了 统计分却没拖垮人味票。「统计贴不等于读着像」这个家族又添一例。女频场倒是同向：正式版 0.386 对旧版 0.280，统计和票一起输。

正式版的三个新体征都在表里。句长变化幅度两本书都显著低于旧版，句子越写越匀，这是我们量过的 第一 AI 指纹，方向恶化；玄幻场「的」字密度只有原著的 37%，旧版是超标方向，正式版矫枉过正成了 回避式精修；女频场「我」密度写到原著 2.3 倍，第一人称内心戏过密，K3 当时创下的 16.2 纪录 被刷新到 20.7。

冠军的伤，也在这轮验出来了

成对盲评是照妖镜，两边都照。旧版赢了，评委也没放过它：glm-5.2 点名它 late 窗「『血厉魔主 惨然一笑』与举手投降动作被描写两次，属倒带复读」（第 17、18 轮各一次，核验成立）； qwen3.7-max 抓到它发明词汇——「禁果爆裂」，「禁果」在它链里第 12 到 18 轮出现 5 轮， 原著全书 0 次。

复读体检工具这轮还在两条冠军归档链上翻出了当年没查过的旧账：Flash 玄幻链第 13 轮开头逐字 吞并了整个第 12 轮再续写新内容，跨轮重复率瞬时 72%；Pro 旧版玄幻链第 4 轮同款吞并，53%。 两处都不在盲评窗口内，不影响历史票数；「把上一轮整段吞进开头再接着写」与逐字死循环不同种， 各只有一例，登记为第四种机械形态候选，不下结论。

评委也有翻车的。两家评委给 Flash 扣「late 引入全新人物血烬魔主」，我们对全书 grep： 血烬魔主在原著出现 27 次，是既有角色。评委只看得到 6000 字风格锚，看不到全书，把冠军的 正常人物调度误判成了幻觉。此类「新角色/设定错误」指控，今后一律核对全书后才采信。

头条不在比分牌上：同一个 ID，已经是另一个模型

这轮实测最该被记住的事，用三句话就能说完。DeepSeek 官方 API 升级正式版不换模型 ID， deepseek-v4-pro 这个字符串 7 月 16 日供的是 preview 权重、8 月 13 日供的是 0813 正式版， 模型列表里没有带日期后缀的旧入口；两个权重在我们的双盲里文风判若两人（女频稳定票 0:5）； 所以任何「我锁死了模型 ID，行为就可复现」的假设，在这类静默热切面前不成立——锁 ID 锁不住权重。

对拿自己 key 连官方 API 的用户（我们 App 的 BYOK 模型选择器正是这类入口），这不是抽象风险： 你上周用得顺手的那个「deepseek-v4-pro」，这周可能已经换了文风，而你的配置页不会有任何提示。 对我们自己的榜单，这件事同样是一记闷棍——榜上 DeepSeek 的三个占位（玄幻冠军 Flash、女频冠军 Pro、玄幻 2-4 的 Pro）全部是 preview 期权重的测量值，Flash 于 7 月 31 日、Pro 于 8 月 13 日 先后被同名热切，选型页上那两顶冠冕如今 都是历史快照。Flash 正式版的 20 轮文风复检我们在0731 那篇单独跑过；巧的是同一天 测的 Grok 4.6 走了完全相反的方向——xAI 对自家前代两书 12:0、12:0 通杀。「新版本不等于更会写小说」，8 月 13 日一天凑齐了正反两例。

票价与散场

账单：正式版两条链 40 轮零失败零重试，牌价折算 ¥2.11、账面实扣 ¥2.30，连同评委轮粗估， 全实验 5 元以内，全程凌晨平峰。官方定价（定价页2026-08-13 核实）：平峰输入未命中 ¥3、命中 ¥0.025、输出 ¥6 每百万 token，工作日高峰时段 翻倍；1M 上下文，最大输出 384K，思考默认开，输出 token 的 82% 到 87% 是推理过程，可见正文 每轮约 250 到 280 字，单轮延迟 25.8 到 35.1 秒。8 月 6 日公告的「预计涨幅较大」整体调价 截至实测尚未落地——落地那天，本节数字作废重算。

边界照抄实验记录：单一提示框架，中文书两本，每模型每书一条链单起笔点；玄幻场对手链带旧版 说明条件（消融证据对冲，但严格说是混入变量）；正式版是 GA 后约两小时的 hosted 行为，之后 可能漂移；景仁宫、暴室驻留、低武降维都基于单链，复发率无从估计。稳定票合计 12 张，比原始 36 票少了三分之二，位置偏差在这轮评委池里偏高，所以结论全部以稳定票、多评委独立点名、机械 核验三重交叉为准。

要不要跟着换版本，别抄结论：同一段开头，让正式版和你现在用的模型各续三段，盲着读完再翻牌。 在能按段落换模型的阅读器里做这个实验，成本是几分钱； 而如果你想召回那个 1:11 赢了卫冕战的旧版——它已经不接受挑战了。