DeepSeek-V4-Pro-0813 正式放出：1.7T 参数，Agent 场景的 DSpark 推理提速
DeepSeek 放出了 DeepSeek-V4-Pro-0813，V4-Pro 系列的正式生产版本，替换掉了之前的 Preview。模型结构基于 V4-Pro（Preview），加了 DSpark 投机解码模块，官方称「在 Agent 能力和生产环境性能上有显著提升」。
1.7T 参数，支持 BF16、I64、F32、F8_E4M3、I8 多种权重格式，MIT 协议开源，Hugging Face 能直接下。
评测数据
Terminal Bench 2.1 上拿到 87.9，比 Preview 的 72.1 高出一截，和 Opus 4.8 的 85.0、Kimi K3 的 88.3 差不多。Agents' Last Exam 得 25.7，跟 Opus 4.8 持平。DeepSWE（内部代码 Agent 测试）从 12.8 直接跳到 62.7。
DeepSWE 涨得最离谱——Preview 在真实代码任务上挺吃力，正式版基本把这块短板补上了。
DSpark 投机解码
DSpark 是这次的新增组件。vLLM 里加一行就能用：
--speculative-config '{"method":"dspark","num_speculative_tokens":7,"draft_sample_method":"greedy"}'
SGLang 用户用 --speculative-algorithm DSPARK，不用单独指定 draft model path，因为 target 和 draft 权重在同一个 checkpoint 里。官方给的 vLLM 示例跑在单台 4×GB300 节点上，FP8 KV cache、block size 256、enable expert parallel，参数都列清楚了。
推理参数调整
reasoning_effort 现在有三个档位：low、high、max，控制模型回答前投入多少思考。官方建议 agentic 场景用 temperature=1.0、top_p=0.95，high 和 max 档位下最大输出长度设为 384K tokens。
模型没给 Jinja chat template，改而提供了一个 encoding 文件夹，里面有 Python 脚本做 OpenAI 兼容格式的编码解码。本地推理的 README 里也有权重转换和交互 demo 的说明。
可用版本
技术报告已挂 arxiv，编号 2606.19348。模型仓库目前是 1.7T 原始权重，还有 2 个微调版本和 3 个量化版本可选。
这次发布的核心信号很明确：DeepSeek 把 V4-Pro 从「能用」推到了「能扛生产负载」。Agent 场景评分提升最大，DSpark 的加入说明官方在推理成本上有明确的优化意图。MIT 协议允许商用，但 1.7T 的权重部署门槛依然不低——FP8 量化版本可能是大多数团队的起点。
相关链接：
- 模型页面：https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-0813
- 技术报告：https://arxiv.org/abs/2606.19348
- vLLM 部署说明：https://recipes.vllm.ai/deepseek-ai/DeepSeek-V4-Pro
- SGLang 部署说明：https://docs.sglang.io/cookbook/autoregressive/DeepSeek/DeepSeek-V4
- 本地推理说明：https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-0813/blob/main/inference/README.md