DeepSeek V4-Flash — Prestanda, Funktioner och Användningsområden
DeepSeek V4-Flash är en AI-modell med öppna vikter från DeepSeek (13B/284B MoE), klassificerad som Advanced-nivå med ett kontextfönster på 1 miljon token. Den ä...
5 min läsning
DeepSeek V4-Pro är en toppmodern frontier AI-modell, utvecklad av DeepSeek och släppt i april 2026. Som en modell med öppna vikter är dess tränade vikter offentligt tillgängliga — du kan själv hosta den, finjustera den på proprietär data, eller köra den på din egen infrastruktur utan API-beroenden. Kontextfönstret på 1M tokens är tillräckligt stort för att rymma hela kodbaser, långa tekniska dokument eller utökade agentiska sessioner utan trunkering.
På FlowHunt AI Leaderboard är den en av 24 spårade modeller, utvärderade över 9 benchmarks. Framstående resultat: 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 släpptes den 24 april 2026 som flaggskeppet i DeepSeeks fjärde generation av V-serien. Den uppnådde 93,5% på LiveCodeBench vid lanseringen — det högsta tävlingsprogrammeringsresultatet av någon uppmätt modell — och postade den högsta självrapporterade SWE-bench Verified-poängen utanför Claude Fable 5 med 80,6%. Lanseringen skapade betydande diskussion när CAISI oberoende mätte V4-Pros SWE-bench-resultat till 74,0% istället för de 80,6% som DeepSeek hade rapporterat — en skillnad på 6,6 procentenheter som DeepSeek tillskrev skillnader i scaffolding och token-budget i utvärderingsupplägget. Som en modell med öppna vikter, 1M kontextfönster och 49B/1,6T MoE-arkitektur blev V4-Pro det ledande självhostningsbara alternativet för team som prioriterar kodningsprestanda med fullständig datakontroll.
Not: SWE-bench-avvikelse: SR 80,6% vs CAISI 74%. LiveCodeBench 93,5% högst rapporterat.
- Släppt
- April 2026
- Parametrar
- 49B/1.6T MoE
- Kontext
- 1M tokens
- Vikter
- Öppna
- Nivå
- Frontier
- Leverantör
- 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 är ett kinesiskt AI-forskningslaboratorium som grundades 2023 som ett dotterbolag till High-Flyer, en av Kinas största kvantitativa hedgefonder. Laboratoriet blev allmänt känt i början av 2025 när lanseringen av DeepSeek V3 och R1 utlöste det största enskilda dagliga fallet i NVIDIA:s marknadsvärde dittills, i takt med att investerare omvärderade kapitalintensiteten i utvecklingen av frontmodeller i ljuset av DeepSeeks rapporterade lägre träningskostnader. DeepSeek är ovanligt bland frontlaboratorier genom sitt engagemang för att släppa öppna viktmodeller vid sidan av sin proprietära forskning, och för att ha en aktiv närvaro i sociala medier som kritiserar prissättningen av stängda modeller. Dess V-serie-modeller (V3 till V4-Pro) används i stor utsträckning som självhostade kodnings- och resonemangsmodeller i västvärlden, trots pågående regulatorisk och säkerhetsmässig granskning av kinesiska AI-modeller i flera jurisdiktioner.
Användningsområden
Vad DeepSeek V4-Pro används till
- Programvaruteknik
DeepSeek V4-Pro uppnår 80% på SWE-bench Verified — rankad #6 av 13 modeller som spåras här. Den löser verkliga GitHub-ärenden, skriver produktionsklar kod på flera språk och hanterar flerstegs agentiska kodningsarbetsflöden — ett starkt val för AI-assisterade programvaruutvecklingsteam.
- Vetenskapligt & Tekniskt Resonemang
Med 90% på GPQA Diamond (#6 av 14 modeller) överträffar DeepSeek V4-Pro den ~65%iga humanbaslinjen för doktorsexperter på forskarnivå inom biologi, kemi och fysik. Använd det för vetenskaplig litteratursyntes, hypotesutvärdering, medicinsk och juridisk frågebesvarande samt tvärvetenskapliga forskningsuppgifter där djup domänkunskap är viktig.
- Agentisk CLI-automation
DeepSeek V4-Pro uppnår 67% på Terminal-Bench (#4 av 8 modeller), vilket gör den kompetent för vanliga shellskript, kommandoradsarbetsflöden och lätta systemadministrationsuppgifter i agentiska pipelines.
- Självhostade & Privata Driftsättningar
DeepSeek V4-Pro har öppna vikter (49B/1,6T MoE-parametrar) — dess tränade vikter är offentligt tillgängliga för nedladdning och egen driftsättning. Kör den på din egen GPU-maskinvara eller privata moln för att säkerställa att data aldrig lämnar din miljö, eliminera löpande API-avgifter i stor skala, eller finjustera modellen på proprietära dataset.
- Analys av Långa Dokument & Kodbaser
Med ett kontextfönster på 1M tokens kan DeepSeek V4-Pro bearbeta hela mjukvarurepositories, långa juridiska avtal, boklånga forskningsrapporter eller omfattande konversationshistorik i en enda prompt — vilket möjliggör djupgående dokumentfrågor, tvärfilsresonemang i kodbaser och omfattande sammanfattning utan chunkningsheuristik eller RAG-pipelines.
- Tävlingsprogrammering
DeepSeek V4-Pro uppnår 93% på LiveCodeBench (#1 av 5 modeller), ett kontamineringsresistent benchmark som kontinuerligt uppdateras med nya tävlingsprogrammeringsproblem. På denna nivå hanterar den avancerade datastrukturer, grafalgoritmer och intervjunivåutmaningar med hög tillförlitlighet.
Strengths & Limitations
Strengths
- Stark programvaruteknik — 80% SWE-bench Verified
- Vetenskapligt resonemang på forskarnivå — 90% GPQA Diamond
- Tävlingsprogrammering — 93% LiveCodeBench
- Sammansatt intelligens — 52 p AA Intelligence Index (oberoende)
- Självhostade och datasekreta driftsättningar (öppna vikter)
- Mycket långa dokument och stora kodbaser (1M kontext)
Bläddra i hela AI Model Leaderboard
Jämför alla 24 modeller över 11 benchmarks — sorterbara, källbelagda och uppdaterade juni 2026.
Vanliga frågor
Lär dig mer
Llama 4 Scout — Prestanda, Kapacitet och Användningsområden
Llama 4 Scout är en AI-modell med öppna vikter från Meta (17B/109B MoE (16 experter)), klassificerad som etablerad nivå med ett kontextfönster på 10 miljoner to...
4 min läsning
Claude Opus 4.6 — Prestandamått, Kapaciteter och Användningsområden
Claude Opus 4.6 är en proprietär AI-modell från Anthropic, klassificerad som Frontier-nivå med ett kontextfönster på 1M tokens. Den finns direkt tillgänglig i F...
5 min läsning