2026年 AI 大模型格局分析：DeepSeek、GPT-5.4、Claude 4.6、Gemini 3.1
2026年上半年，全球 AI 大模型市场进入了前所未有的激烈竞争阶段。OpenAI、Anthropic、Google DeepMind 和 DeepSeek 四大巨头在数月内相继推出各自的旗舰模型，随着 DeepSeek V4 于 4 月正式发布并开源，AI 行业正式迈入"多极争霸"时代。本文将从市场全景、技术架构、性能基准、定价策略、行业应用和未来展望六大维度，全面剖析2026年的 AI 大模型竞争格局。
一、2026年 AI 大模型市场全景概述
1.1 市场规模与增长
根据多家机构的研究报告，2026年全球 AI 大模型市场规模预计突破 800亿美元，同比增长超过 60%。其中，API 服务市场占比约45%，企业私有化部署占比约30%，开源生态贡献约25%。
这一增长的核心驱动力来自三个方面：
- 企业 AI 原生化转型：超过70%的全球500强企业已将大模型集成到核心业务流程中
- 开发者生态爆发：全球 AI 开发者数量突破3000万，基于大模型的应用数量同比增长200%
- 成本持续下降：以 DeepSeek 为代表的高性价比模型，将 AI 应用的门槛降低了一个数量级
1.2 四大玩家格局
2026年第二季度，四个旗舰模型全部正式上线、同台竞技：
| 模型 | 发布时间 | 开发商 | 状态 | 开源 |
|---|---|---|---|---|
| Claude 4.6 Opus | 2026年2月5日 | Anthropic | 已发布 | 否 |
| Gemini 3.1 Pro | 2026年2月19日 | Google DeepMind | 已发布 | 否 |
| GPT-5.4 | 2026年3月5日 | OpenAI | 已发布 | 否 |
| DeepSeek V4 | 2026年4月24日 | DeepSeek | 已发布（开源） | 是（MIT） |
这是 AI 行业历史上竞争最为密集的时期之一——短短两个多月内，四家全球顶尖的 AI 实验室密集发布旗舰模型，市场竞争的烈度达到了空前水平。
1.3 竞争态势变化
与2024-2025年的格局相比，2026年的竞争出现了三个重大转变：
- 性能差距急剧缩小：顶尖模型在主流基准上的差距从两位数缩小到个位数百分点
- 价格成为核心战场：当性能趋于同质化，定价策略和成本效率成为关键差异化因素
- 开源力量崛起：DeepSeek V4 作为唯一的开源旗舰模型，正在重新定义行业的竞争规则
二、DeepSeek V4：开源旗舰的技术革命
DeepSeek V4 已于 2026 年 4 月 24 日正式发布并开源（MIT 许可证），权重在 Hugging Face 上公开。它提供两个版本：面向高端推理与智能体编程的 DeepSeek-V4-Pro（1.6 万亿总参数 / 49B 活跃参数）和面向更快、更低成本场景的 DeepSeek-V4-Flash（284B 总参数 / 13B 活跃参数）。其头号特性是：领先的智能体编程能力（SWE-bench 80.6%）、100 万 token 上下文、CSA+HCA 混合注意力带来的极致效率、完全开源以及极低的定价。
2.1 双版本万亿参数 MoE 架构
DeepSeek V4 采用全新的混合专家（MoE）架构，并以双版本形态发布：
- DeepSeek-V4-Pro：1.6 万亿（1.6T）总参数，每次推理仅激活约 49B 参数，面向高端推理与智能体编程
- DeepSeek-V4-Flash：284B 总参数，每次推理激活约 13B 参数，面向更快、更低成本的场景
- 上下文窗口：两个版本均默认支持 100 万（1M）token，最大输出约 384K token
- 开源许可：MIT 许可证，权重发布于 Hugging Face
MoE 架构的优势在于，它允许模型拥有巨大的知识容量（通过总参数量），同时保持高效的推理速度（通过稀疏激活）。DeepSeek V4 在这一架构上的创新，使其在性能和效率之间取得了最佳平衡。
2.2 CSA + HCA 混合注意力：低成本的百万上下文
DeepSeek V4 在效率上的核心突破，是 MoE 之外的混合注意力架构——它结合了 CSA（压缩稀疏注意力，Compressed Sparse Attention） 与 HCA（高度压缩注意力，Heavily Compressed Attention）：
- 极致的长上下文效率：该设计使 1M 上下文下的每 token 算力约为 V3.2 的 27%、KV Cache 显存约为 V3.2 的 10%
- 百万 token 上下文：两个版本均默认支持 100 万 token 上下文，可一次处理超长文档与大型代码库
- 低成本推理：注意力压缩直接降低算力与显存消耗，是 V4 能以极低价格提供 1M 上下文的关键
混合注意力的工作原理可以类比为"智能阅读"——人类在阅读长篇文档时，并不会逐字逐句地给予同等注意力，而是快速扫描后聚焦于关键段落。CSA + HCA 让模型在保持信息质量的同时，把超长上下文的算力和显存开销压到极低。
2.3 智能体编程能力
DeepSeek V4 把**智能体编程（agentic coding）**作为头号能力进行打磨，实测成绩位居开源模型前列：
- SWE-bench Verified：80.6%，为开源模型最高，与 Gemini 3.1 Pro 并列
- Terminal-Bench 2.0：67.9%，具备较强的终端与工具调用能力
- LiveCodeBench Pass@1：93.5，代码生成与修复能力突出
- Codeforces 评分：3206，竞赛级算法能力一流
这意味着 V4 不仅能回答编程问题，还能在多步骤的真实代码库任务中自主规划、修改和验证。
2.4 模态能力定位
DeepSeek V4 的官方发布以"智能体编程 + 百万上下文 + 极致效率"为核心，能力以文本、代码与推理为主。它并未将"原生多模态"作为本次发布的头号卖点，因此在多模态密集型场景中，建议结合专门的多模态模型使用。
2.5 极致性价比：双版本真实定价
DeepSeek V4 的定价（已下调 75% 后的长期价格）延续了 DeepSeek 一贯的"成本领先"路线：
- V4-Pro：输入 $0.435 / 百万 tokens，输出 $0.87 / 百万 tokens
- V4-Flash：输入 $0.14 / 百万 tokens，输出 $0.28 / 百万 tokens
- 访问方式：chat.deepseek.com（专家模式 / 即时模式）、官方 API、Atlas Cloud
这一定价水平相比闭源前沿模型便宜约 5-30 倍，详见后文的全面对比分析。（注：旧的 deepseek-chat 与 deepseek-reasoner 接口将于 2026 年 7 月 24 日退役。）
三、GPT-5.4：OpenAI 的新标杆
3.1 核心性能数据
GPT-5.4 于2026年3月5日正式发布，代表了 OpenAI 在大模型领域的最新成果：
- SWE-bench Verified：77.2%，在编程能力评估中表现出色
- MMLU：92.3%，通用知识理解能力保持领先
- MATH-500：93.8%，数学推理能力显著提升
- HumanEval：93.5%，代码生成能力持续增强
3.2 技术特性
- 原生多模态：支持文本、图像、音频的统一处理
- 工具使用能力：增强的 function calling 和代理（agent）能力
- 推理模式：支持快速响应和深度推理两种模式
- 上下文窗口：128K tokens
3.3 定价策略：$2.50/$15 per M tokens
GPT-5.4 的定价相比 GPT-5 有所下调，但仍处于高位：
- 输入价格：$2.50 / 百万 tokens
- 输出价格：$15.00 / 百万 tokens
- 缓存命中输入：$1.25 / 百万 tokens
OpenAI 的定价策略反映了其品牌溢价和生态优势——作为 ChatGPT 的背后力量，OpenAI 拥有最大的用户基数和最成熟的开发者生态。
四、Claude 4.6 Opus：Anthropic 的安全智能
4.1 核心性能数据
Claude 4.6 Opus 在多项基准测试中取得了令人瞩目的成绩：
- SWE-bench Verified：80.8%，当前所有模型中的最高分
- MMLU：91.5%，通用知识理解能力优秀
- MATH-500：92.1%，数学推理表现突出
- HumanEval：91.8%，代码生成能力一流
- GPQA Diamond：71.5%，专家级问答能力领先
4.2 技术特性
- 200K 上下文窗口：在主流闭源模型中上下文长度最长（仅次于 Gemini 3.1 的1M）
- 宪法 AI（Constitutional AI）：通过价值对齐技术确保模型输出的安全性和可靠性
- 扩展思考（Extended Thinking）：支持长时间的深度推理链
- 系统提示强化：对系统提示的遵循度在所有模型中最高
4.3 定价策略：$5/$25 per M tokens
Claude 4.6 Opus 是目前定价最高的旗舰模型：
- 输入价格：$5.00 / 百万 tokens
- 输出价格：$25.00 / 百万 tokens
- 缓存命中输入：$2.50 / 百万 tokens
Anthropic 的高定价策略源于其对安全性的高投入和模型的顶级性能。对于对安全合规有严格要求的企业客户（如金融、医疗），这一溢价是合理的。
五、Gemini 3.1 Pro：Google 的多模态之王
5.1 核心性能数据
Gemini 3.1 Pro 展现了 Google DeepMind 在 AI 研究上的深厚积累：
- SWE-bench Verified：80.6%，与 Claude 4.6 几乎持平
- MMLU：90.8%，通用知识理解扎实
- MATH-500：91.5%，数学推理能力出色
- HumanEval：90.2%，代码生成可靠
- GPQA Diamond：69.8%，专家问答有待提升
5.2 技术特性
- 1M 超长上下文：业界最长的上下文窗口，可一次处理约75万字的文本
- 原生多模态：依托 Google 在计算机视觉和语音领域的优势，多模态能力业界领先
- Google 生态整合：与 Google Workspace、Google Cloud 的深度集成
- Grounding with Google Search：可实时调用 Google 搜索获取最新信息
5.3 定价策略：$2/$12 per M tokens
Gemini 3.1 Pro 的定价在闭源模型中处于中间位置：
- 输入价格：$2.00 / 百万 tokens
- 输出价格：$12.00 / 百万 tokens
- 缓存命中输入：$0.50 / 百万 tokens
Google 的定价策略体现了其通过 AI 带动云服务生态的整体战略，而非单纯依靠 API 收入。
六、全面对比：四大模型数据一览
6.1 核心参数与能力对比
| 对比维度 | DeepSeek V4 | GPT-5.4 | Claude 4.6 Opus | Gemini 3.1 Pro |
|---|---|---|---|---|
| 发布时间 | 2026年4月24日 | 2026年3月 | 2026年2月 | 2026年2月 |
| 参数量 | 1.6T（Pro，MoE） | 未公开 | 未公开 | 未公开 |
| 活跃参数 | 49B（Pro）/ 13B（Flash） | 未公开 | 未公开 | 未公开 |
| 上下文窗口 | 1M | 128K | 200K | 1M |
| 多模态 | 以文本/代码/推理为主 | 原生（文本/图像/音频） | 文本/图像 | 原生（文本/图像/音频/视频） |
| 开源 | ✅ 完全开源（MIT） | ❌ 闭源 | ❌ 闭源 | ❌ 闭源 |
| 架构亮点 | MoE + CSA/HCA 混合注意力 | 未公开 | 未公开 | 未公开 |
| 特色技术 | CSA+HCA混合注意力/1M上下文 | Agent/工具调用 | Constitutional AI | 1M上下文/搜索集成 |
6.2 性能基准对比
| 基准测试 | DeepSeek V4 | GPT-5.4 | Claude 4.6 Opus | Gemini 3.1 Pro |
|---|---|---|---|---|
| SWE-bench | 80.6% | 77.2% | 80.8% | 80.6% |
| MMLU(-Pro) | 87.5% | 92.3% | 91.5% | 90.8% |
| LiveCodeBench | 93.5 | — | — | — |
| HumanEval | — | 93.5% | 91.8% | 90.2% |
| GPQA Diamond | 90.1% | 72.1% | 71.5% | 69.8% |
注：DeepSeek V4 为官方发布（2026-04-24）的实测成绩；其 SWE-bench Verified 80.6% 为开源模型最高，与 Gemini 3.1 Pro 并列。其它模型为各自官方公布数据。部分第三方基准数据可能随评测更新。当前基准领跑者已用粗体标注。
6.3 定价全面对比
| 价格维度 | DeepSeek V4-Pro | GPT-5.4 | Claude 4.6 Opus | Gemini 3.1 Pro |
|---|---|---|---|---|
| 输入（/1M tokens） | $0.435 | $2.50 | $5.00 | $2.00 |
| 输出（/1M tokens） | $0.87 | $15.00 | $25.00 | $12.00 |
| 相对输入成本 | 1x | ~5.7x | ~11.5x | ~4.6x |
| 相对输出成本 | 1x | ~17x | ~29x | ~14x |
DeepSeek V4 另有更经济的 V4-Flash 版本：输入 $0.14 / 输出 $0.28（每百万 token），适合更快、更低成本的高并发场景。
6.4 月度成本估算
以日均处理1000万tokens（700万输入 + 300万输出）的中型企业应用为例：
| 模型 | 日均输入成本 | 日均输出成本 | 月度总成本 | 年度总成本 |
|---|---|---|---|---|
| DeepSeek V4-Pro | $3.05 | $2.61 | $170 | $2,040 |
| Gemini 3.1 Pro | $14.00 | $36.00 | $1,500 | $18,000 |
| GPT-5.4 | $17.50 | $45.00 | $1,875 | $22,500 |
| Claude 4.6 Opus | $35.00 | $75.00 | $3,300 | $39,600 |
结论：使用 DeepSeek V4-Pro 替代 Claude 4.6 Opus 可节省超过 $37,000/年，替代 GPT-5.4 可节省超过 $20,000/年；若选用 V4-Flash 版本，成本还可进一步大幅下降。
七、开源 vs 闭源：DeepSeek 的结构性优势
7.1 开源生态的战略意义
DeepSeek V4 作为四大旗舰模型中唯一的开源选手，其开源策略具有深远的战略意义：
对企业的价值：
- 数据主权：企业可以在自己的基础设施上部署模型，数据不出域
- 定制化能力：可以基于开源权重进行微调，适应特定业务场景
- 无供应商锁定：不依赖单一API提供商，规避平台风险
- 合规友好：满足金融、医疗等行业的数据合规要求
对行业的影响：
- 推动技术民主化：让中小企业和独立开发者也能使用顶级 AI 能力
- 加速创新：开放的研究成果促进全球 AI 社区的协同创新
- 倒逼定价：开源模型的存在为闭源厂商的定价设定了天花板
7.2 开源 vs 闭源趋势分析
从2024年到2026年，开源与闭源之间的力量对比正在发生根本性转变：
| 时间节点 | 开源最强模型 | 闭源最强模型 | 性能差距 |
|---|---|---|---|
| 2024年Q1 | Llama 2 70B | GPT-4 Turbo | ~20% |
| 2024年Q4 | DeepSeek V3 | GPT-4o | ~8% |
| 2025年Q2 | DeepSeek V3.5 | Claude 3.5 Sonnet | ~5% |
| 2026年Q1 | DeepSeek V4 | Claude 4.6 Opus | <1% |
趋势很清晰：开源与闭源之间的性能差距正在以指数级速度缩小，预计在2026年内将实现完全追平。
7.3 DeepSeek 的开源生态
DeepSeek V4 的开源生态已形成完整体系：
- 模型权重：完全开放，支持商用（MIT 许可）
- 训练框架：开源 HAI-LLM 分布式训练框架
- 推理引擎：优化的 vLLM 集成，支持多种部署环境
- 社区贡献：超过5000名贡献者，300+个下游项目
- 模型变体：从7B到1.6T的完整尺寸谱系
八、价格竞争态势：DeepSeek 的成本领先
8.1 定价历史趋势
AI 大模型的API定价在过去两年经历了剧烈的下降：
- 2024年初：GPT-4 Turbo 输出价格 $30/M tokens
- 2024年底：GPT-4o 输出价格降至 $15/M tokens
- 2025年中：Claude 3.5 输出价格 $15/M tokens
- 2026年初：DeepSeek V4-Pro 输出价格仅 $0.87/M tokens
两年间，顶级模型的单位计算成本下降了约 97%，而 DeepSeek 是这场价格革命的核心推动者。
8.2 DeepSeek 的成本优势来源
DeepSeek V4 能够实现远低于竞品的定价，核心原因有三：
- MoE 架构效率：1.6 万亿参数的 Pro 版每次仅激活 49B 参数（Flash 版仅 13B），推理成本远低于同等性能的密集模型
- CSA+HCA 混合注意力优化：在 1M 上下文下每 token 算力约为 V3.2 的 27%、KV Cache 显存约为 10%，直接降低算力与显存消耗
- 自研训练基础设施：基于国产算力和自研分布式训练框架，训练成本相比美国AI实验室低40-60%
8.3 价格竞争对行业的影响
DeepSeek V4 的定价策略正在重塑整个行业：
- 倒逼降价：OpenAI 在 GPT-5.4 发布时已主动将价格下调15%
- 扩大市场规模：低价格降低了 AI 应用的门槛，预计将带来3倍的 API 调用量增长
- 改变竞争维度：当价格差距达到5-30倍时，企业在选型时将把成本放在首位考量
九、垂直行业应用分析
9.1 金融行业
金融行业是 AI 大模型最早实现规模化应用的领域之一。
| 应用场景 | 推荐模型 | 理由 |
|---|---|---|
| 风控合规 | Claude 4.6 Opus | 安全性最高，Constitutional AI 确保合规输出 |
| 量化策略生成 | DeepSeek V4 | 数学推理能力强，成本低，适合高频调用 |
| 研报分析 | Gemini 3.1 Pro | 1M上下文适合处理超长研报文档 |
| 智能客服 | DeepSeek V4 | 极致性价比，百万上下文承载完整对话历史 |
9.2 医疗健康
| 应用场景 | 推荐模型 | 理由 |
|---|---|---|
| 辅助诊断 | Claude 4.6 Opus | 安全优先设计，降低误诊风险 |
| 医学影像分析 | Gemini 3.1 Pro | 原生多模态，视觉理解能力强 |
| 药物研发 | DeepSeek V4 | 开源可定制，适合基于私有数据微调 |
| 患者问答 | DeepSeek V4 | 低成本支撑高并发，百万上下文便于结合病史 |
9.3 软件开发
| 应用场景 | 推荐模型 | 理由 |
|---|---|---|
| 代码生成 | Claude 4.6 Opus | SWE-bench 80.8%，编程能力最强 |
| 代码审查 | DeepSeek V4 | 开源可本地部署，保护代码隐私 |
| 全栈开发 | GPT-5.4 | 工具调用和Agent能力最成熟 |
| 遗留系统迁移 | Gemini 3.1 Pro | 1M上下文可一次性处理大型代码库 |
9.4 教育行业
| 应用场景 | 推荐模型 | 理由 |
|---|---|---|
| 个性化辅导 | DeepSeek V4 | 百万上下文追踪完整学习记录，成本低廉 |
| 论文批改 | Claude 4.6 Opus | 语言理解精准，输出质量高 |
| 多语言教学 | Gemini 3.1 Pro | 多语言能力出色，Google翻译集成 |
| STEM教育 | DeepSeek V4 | GPQA Diamond 90.1%，数理推理能力突出 |
十、中国 AI vs 美国 AI：竞争态势分析
10.1 技术能力对比
2026年的中美 AI 竞争态势出现了一个里程碑式的变化——以 DeepSeek V4 为代表的中国 AI 模型，在核心性能指标上首次追平甚至超越了美国同行。
| 对比维度 | 中国代表（DeepSeek V4） | 美国代表（最强闭源） | 领先方 |
|---|---|---|---|
| SWE-bench | 80.6% | 80.8%（Claude 4.6） | 接近持平 |
| GPQA Diamond | 90.1% | 71.5%（Claude 4.6） | 中国领先 |
| 性价比 | $0.435/$0.87 | $2.00/$12.00（最低） | 中国领先 |
| 开源开放 | 完全开源（MIT） | 全部闭源 | 中国领先 |
| 上下文长度 | 1M | 1M（Gemini 3.1） | 持平 |
| 生态成熟度 | 快速发展 | 高度成熟 | 美国领先 |
10.2 战略差异
中国路线（DeepSeek 代表）：
- 开源优先，构建全球开发者社区
- 成本领先，通过效率创新降低门槛
- 垂直深耕，聚焦中文场景和亚洲市场
- 自主可控，基于国产算力构建技术栈
美国路线（OpenAI/Anthropic/Google 代表）：
- 闭源为主，通过API变现
- 品牌溢价，依靠先发优势和生态壁垒
- 安全优先，强调AI对齐和负责任使用
- 算力优势，依托英伟达GPU集群
10.3 对全球开发者的影响
对于全球开发者而言，中美 AI 竞争是一个巨大的利好：
- 更多选择：不再被单一供应商锁定
- 更低成本：竞争推动价格持续下降
- 更快迭代：竞争加速了模型能力的提升
- 开源红利：DeepSeek 的开源为全球开发者提供了低门槛的顶级 AI 能力
十一、未来展望：AGI 路线图与技术趋势
11.1 AGI 路线图
各大厂商对 AGI（通用人工智能）的预期时间线正在趋于一致：
| 厂商 | AGI 预期时间 | 关键路径 |
|---|---|---|
| OpenAI | 2027-2028 | 通过推理能力的持续提升 |
| Anthropic | 2027-2029 | 安全对齐的强AI |
| Google DeepMind | 2028-2030 | 多模态统一智能 |
| DeepSeek | 2027-2028 | 开源协作加速AGI |
11.2 2026-2027年技术趋势预测
1. 深度推理成为标配
2026年，"慢思考"式的深度推理能力将成为所有顶级模型的标配。以 DeepSeek V4 的专家模式（Expert Mode）为代表，AI 将能够进行多步骤的深度推理与自主规划，而不仅仅是模式匹配。
2. Agent 能力爆发
AI Agent（智能体）将从概念走向大规模应用。模型不再只是回答问题，而是能够自主规划、执行任务、调用工具，成为真正的"数字员工"。
3. 多模态深度融合
文本、图像、音频、视频、3D之间的模态壁垒将进一步消解。2026年底，我们可能看到能够"看、听、说、写、画"的真正统一的多模态模型。
4. 个性化与超长上下文
随着 DeepSeek V4 这类模型把 100 万 token 上下文做到极低成本，"把完整历史一次性喂给模型"成为现实，AI 的个性化能力将成为下一个竞争焦点。能够基于长上下文记住用户偏好、贴合用户习惯的 AI 将获得更高的用户黏性。
5. 成本继续下降
按照当前趋势，到2027年初，顶级模型的API定价预计将再下降50-70%，使得 AI 应用的成本趋近于零边际成本。
11.3 模型能力趋势图
SWE-bench 分数趋势（2024-2026）：
2024 Q1: GPT-4 ████████████████░░░░░░░░░░ 48.0%
2024 Q4: DeepSeek V3 ███████████████████░░░░░░ 42.0% (开源)
2025 Q2: Claude 3.5 ██████████████████████░░░ 65.0%
2025 Q4: GPT-5 ████████████████████████░░ 72.0%
2026 Q1: Claude 4.6 ██████████████████████████ 80.8%
2026 Q1: Gemini 3.1 █████████████████████████░ 80.6%
2026 Q1: GPT-5.4 ████████████████████████░░ 77.2%
2026 Q2: DeepSeek V4 ██████████████████████████ 80.6% (开源)
十二、总结与建议
12.1 模型选择建议
| 使用场景 | 首选模型 | 次选模型 |
|---|---|---|
| 成本敏感型应用 | DeepSeek V4 | Gemini 3.1 Pro |
| 代码开发与编程 | Claude 4.6 Opus | DeepSeek V4 |
| 安全合规要求高 | Claude 4.6 Opus | GPT-5.4 |
| 超长文档处理 | Gemini 3.1 Pro | DeepSeek V4 |
| 私有化部署 | DeepSeek V4 | 无替代 |
| 多模态应用 | Gemini 3.1 Pro | GPT-5.4 |
| 数学与科研 | DeepSeek V4 | GPT-5.4 |
| 智能体编程 | DeepSeek V4 | Claude 4.6 Opus |
12.2 核心结论
-
DeepSeek V4 是2026年最值得关注的模型：它在智能体编程等性能上追平顶级闭源模型（SWE-bench 80.6%），同时定价仅为闭源前沿模型的约 1/5 到 1/30，且完全开源（MIT），是企业和开发者的最优选择。
-
性能差距已不是核心竞争因素：当四个模型的SWE-bench分数都在77-81%之间时，真正的差异化在于价格、开源性、生态和特色功能。
-
开源正在赢得这场竞争：DeepSeek V4 证明了开源模型可以在性能上追平闭源，同时提供更低的成本和更大的灵活性。
-
中国 AI 已成为不可忽视的力量：DeepSeek 的崛起标志着中国 AI 从"追赶者"到"领跑者"的历史性转变。
本文数据来源：各厂商官方发布、SWE-bench 官方排行榜、第三方基准测试平台。DeepSeek V4 数据来自 DeepSeek 官方发布（2026-04-24）；部分第三方基准数据可能随评测更新。
发布日期：2026年4月28日 | 最后更新：2026年4月28日