DeepSeek V4-Flash — Benchmarks, egenskaper og bruksområder
DeepSeek V4-Flash er en AI-modell med åpne vekter fra DeepSeek (13B/284B MoE), klassifisert som Avansert-nivå med et kontekstvindu på 1M tokens. Den er tilgjeng...
4 min lesing
DeepSeek V4-Pro er en toppmoderne frontier AI-modell, utviklet av DeepSeek og utgitt i april 2026. Som en åpen vekt-modell er dens trente vekter offentlig tilgjengelige — du kan selv-host den, finjustere den på proprietære data, eller kjøre den på stedet uten API-avhengigheter. Kontekstvinduet på 1M tokens er stort nok til å inneholde hele kodebaser, lange tekniske dokumenter eller utvidede agentøkter uten trunkering.
På FlowHunt AI Leaderboard er den en av 24 sporede modeller, evaluert på tvers av 9 benchmarks. Fremragende score: 93,5 % på LiveCodeBench (#1 av 5); 87,5 % på MMLU-Pro (#2 av 8); 46,0 % på ARC-AGI-2 (#3 av 3).
DeepSeek V4-Pro ble utgitt 24. april 2026 som flaggskipet i DeepSeeks fjerde generasjon V-serie. Den oppnådde 93,5 % på LiveCodeBench ved lansering — den høyeste konkurranseprogrammeringsscoren av noen målt modell — og leverte den høyeste egenrapporterte SWE-bench Verified-scoren utenom Claude Fable 5 med 80,6 %. Utgivelsen skapte betydelig diskusjon da CAISI uavhengig målte V4-Pros SWE-bench-score til 74,0 % i stedet for de 80,6 % DeepSeek hadde rapportert — et gap på 6,6 poeng som DeepSeek tilskrev forskjeller i stillas og token-budsjett i evalueringsoppsettet. Som en åpen vekt-modell med et 1M kontekstvindu og 49B/1,6T MoE-arkitektur, ble V4-Pro det ledende selv-hostbare alternativet for team som prioriterer kodeytelse med full datakontroll.
Merk: SWE-bench-avvik: SR 80,6 % vs CAISI 74 %. LiveCodeBench 93,5 % høyest rapportert.
- Utgitt
- April 2026
- Parametre
- 49B/1,6T MoE
- Kontekst
- 1M tokens
- Vekter
- Åpne
- Nivå
- Frontier
- Leverandør
- DeepSeek
DeepSeek V4-Pro Benchmark Rankings
Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.
| Benchmark | Score | Rank | Source | What it measures |
|---|---|---|---|---|
| SWE-bench Verified | 80.6% | 6 of 13 | SR | Real GitHub issue resolution (500 verified issues) |
| SWE-bench Pro | 55.4% | 9 of 9 | SR | Multi-language, standardised scaffold |
| GPQA Diamond | 90.1% | 6 of 14 | SR | Graduate-level Google-proof science Q&A |
| MMLU-Pro | 87.5% | 2 of 8 | SR | Hard knowledge reasoning, 12K questions |
| LiveCodeBench | 93.5% | 1 of 5 | SR | Competitive programming, continuously updated |
| Terminal-Bench | 67.9% | 4 of 8 | SR | Agentic Linux terminal task completion |
| ARC-AGI-2 | 46.0% | 3 of 3 | C | Novel visual reasoning, no memorisation |
| HLE | 37.7% | 4 of 6 | SR | Humanity's Last Exam (50+ STEM disciplines) |
| AA Intelligence Index | 52.0 pts | 6 of 9 | AA | Artificial Analysis composite score (independent) |
Detailed Benchmark Scores
SWE-V
SR
80.6%
Real GitHub issue resolution (500 verified issues)
Independent: 74.0% (CAISI independent)
SWE-Pro
SR
55.4%
Multi-language, standardised scaffold
GPQA ◇
SR
90.1%
Graduate-level Google-proof science Q&A
MMLU-P
SR
87.5%
Hard knowledge reasoning, 12K questions
LiveCode
SR
93.5%
Competitive programming, continuously updated
Terminal
SR
67.9%
Agentic Linux terminal task completion
ARC-2
C
46.0%
Novel visual reasoning, no memorisation
HLE
SR
37.7%
Humanity's Last Exam (50+ STEM disciplines)
AA Idx
AA
52.0 pts
Artificial Analysis composite score (independent)
DeepSeek V4-Pro vs. Frontier Peers
Head-to-head benchmark comparison with other Frontier-tier models. Higher is better for all metrics.
| Benchmark | DeepSeek V4-Pro | Claude Opus 4.8 | Claude Opus 4.7 |
|---|---|---|---|
| SWE-V | 80.6% | 88.6% | 87.6% |
| SWE-Pro | 55.4% | 69.2% | 64.3% |
| GPQA ◇ | 90.1% | 93.6% | 94.2% |
| MMLU-P | 87.5% | — | — |
| LiveCode | 93.5% | — | — |
| Terminal | 67.9% | 74.6% | 66.1% |
| ARC-2 | 46.0% | — | — |
| HLE | 37.7% | — | — |
| AA Idx | 52.0 pts | 61.4 pts | 57.3 pts |
About DeepSeek
DeepSeek er et kinesisk KI-forskningslaboratorium grunnlagt i 2023 som et datterselskap av High-Flyer, et av Kinas største kvantitative hedgefond. Laboratoriet ble bredt kjent tidlig i 2025 da lanseringen av DeepSeek V3 og R1 utløste det største enkeltdagsfallet i NVIDIA-markedsverdi til da, ettersom investorer vurderte kapitalintensiteten i frontlinjemodellutvikling på nytt i lys av DeepSeeks rapporterte lavere treningskostnader. DeepSeek er uvanlig blant frontlinjelaboratorier i sin forpliktelse til å publisere åpne vektmodeller ved siden av sin proprietære forskning, og i å drive en aktiv tilstedeværelse i sosiale medier som kritiserer prisingen av lukkede modeller. V-seriens modeller (V3 til V4-Pro) er mye brukt som selvhostbare kode- og resonneringsmodeller i Vesten, til tross for pågående regulatorisk og sikkerhetsmessig gransking av kinesisk-opprinnelige KI-modeller i flere jurisdiksjoner.
Bruksområder
Hva du bør bruke DeepSeek V4-Pro til
- Programvareutvikling
DeepSeek V4-Pro scorer 80 % på SWE-bench Verified — rangert #6 av 13 modeller sporet her. Den løser reelle GitHub-problemer, skriver produksjonsklar kode på tvers av flere språk, og håndterer flertrinns agentiske kodearbeidsflyter — et sterkt valg for AI-assisterte programvareutviklingsteam.
- Vitenskapelig & Teknisk Resonnering
Med 90 % på GPQA Diamond (#6 av 14 modeller) overgår DeepSeek V4-Pro den omtrentlige ~65 % menneskelige PhD-ekspertbaselinjen på graduate-nivå spørsmål innen biologi, kjemi og fysikk. Bruk den til syntese av vitenskapelig litteratur, hypoteseevaluering, medisinsk og juridisk spørsmål og svar, og flerfaglige forskningsoppgaver hvor dyp domenekunnskap betyr noe.
- Agentisk CLI-automatisering
DeepSeek V4-Pro oppnår 67 % på Terminal-Bench (#4 av 8 modeller), noe som gjør den kompetent for vanlig shell-skripting, kommandolinjearbeidsflyter og lette systemadministrasjonsoppgaver innenfor agentiske pipelines.
- Selv-hostede & Private Distribusjoner
DeepSeek V4-Pro er åpen vekt (49B/1,6T MoE-parametre) — dens trente vekter er offentlig tilgjengelige for nedlasting og egen distribusjon. Kjør den på din egen GPU-maskinvare eller private sky for å sikre at data aldri forlater miljøet ditt, eliminer per-token API-kostnader i stor skala, eller finjuster modellen på proprietære datasett.
- Langdokument- & Kodebaseanalyse
Med et kontekstvindu på 1M tokens kan DeepSeek V4-Pro innta hele programvarerepositorier, lange juridiske kontrakter, boklange forskningsrapporter eller omfattende samtalelogger i én enkelt prompt — noe som muliggjør dyp dokument-spørsmål og svar, tverrfil-kodebaseresonnering og omfattende oppsummering uten oppdelingsheuristikker eller RAG-pipelines.
- Konkurranseprogrammering
DeepSeek V4-Pro scorer 93 % på LiveCodeBench (#1 av 5 modeller), en kontamineringsresistent benchmark som kontinuerlig oppdateres med nye konkurranseprogrammeringsproblemer. På dette nivået håndterer den avanserte datastrukturer, grafalgoritmer og intervjunivå-utfordringer med høy pålitelighet.
Strengths & Limitations
Strengths
- Sterk programvareutvikling — 80 % SWE-bench Verified
- Vitenskapelig resonnering på graduate-nivå — 90 % GPQA Diamond
- Konkurranseprogrammering — 93 % LiveCodeBench
- Sammensatt intelligens — 52 poeng AA Intelligence Index (uavhengig)
- Selv-hostede & dataprivate distribusjoner (åpen vekt)
- Svært lange dokumenter og store kodebaser (1M kontekst)
Se hele AI Model Leaderboard
Sammenlign alle 24 modellene på tvers av 11 benchmarks — sorterbare, kildebelagte og oppdatert juni 2026.
Vanlige spørsmål
Lær mer
DeepSeek MCP Server-integrasjon
Integrer FlowHunt med DeepSeek MCP Server for å bringe avanserte språkmodeller inn i dine AI-arbeidsflyter. Sikre proxy for DeepSeek API-kall, muliggjør anonym ...
4 min lesing
AI
DeepSeek
+5
Llama 4 Scout — Referansetester, Egenskaper og Bruksområder
Llama 4 Scout er en åpen-vekts AI-modell fra Meta (17B/109B MoE (16 eksperter)), klassifisert som etablert nivå med et kontekstvindu på 10M tokens. Den er tilgj...
4 min lesing