DeepSeek V4 Pro mencatat keunggulan atas Kimi K3 pada dua pengujian untuk pekerjaan otomatis dan tugas full-stack yang kompleks. Selisih skornya tidak besar, tetapi muncul pada kategori yang relevan bagi penggunaan agen AI.
Pada AutomationBench Public, DeepSeek V4 Pro memperoleh 31,8 poin, sedangkan Kimi K3 mencatat 30,8 poin. Di DSBench-Hard, skor DeepSeek mencapai 67,2 dan melampaui Kimi K3 yang berada di angka 63,0.
| Pengujian | DeepSeek V4 Pro | Kimi K3 |
|---|---|---|
| AutomationBench Public | 31,8 | 30,8 |
| DSBench-Hard | 67,2 | 63,0 |
AutomationBench Public digunakan untuk mengukur kemampuan otomasi, sementara DSBench-Hard berfokus pada pengerjaan full-stack yang rumit. Hasil tersebut memperkuat posisi DeepSeek pada penggunaan yang memerlukan penalaran bertahap dan eksekusi teknis.
Lonjakan Besar pada Rekayasa Perangkat Lunak
Data resmi DeepSeek yang dikutip gadget.viva.co.id juga menunjukkan peningkatan tajam dari versi Preview ke versi final V4 Pro. Kenaikan paling besar terjadi pada DeepSWE, benchmark untuk rekayasa perangkat lunak.
| Benchmark | Preview | Final | Kenaikan |
|---|---|---|---|
| Terminal-Bench 2.1 | 72,1 | 87,9 | 22% |
| DeepSWE | 12,8 | 62,7 | 390% |
| CyberGym | 52,7 | 83,3 | 58% |
| Toolathlon-Verified | 55,9 | 74,1 | 33% |
Skor DeepSWE melonjak dari 12,8 menjadi 62,7, atau meningkat 390%. Terminal-Bench 2.1 juga naik dari 72,1 menjadi 87,9 pada versi final.
Peningkatan lain terlihat di CyberGym, dari 52,7 menjadi 83,3, serta Toolathlon-Verified, dari 55,9 menjadi 74,1. CyberGym berkaitan dengan kemampuan keamanan siber, sedangkan Toolathlon-Verified mengukur pemakaian alat saat model menyelesaikan tugas.
Rangkaian hasil itu menunjukkan bahwa DeepSeek V4 Pro diarahkan untuk pekerjaan teknis, bukan hanya percakapan umum. Fokusnya mencakup otomasi, pengembangan perangkat lunak, keamanan siber, dan penggunaan alat secara berurutan.
Pilihan Penalaran Sesuai Beban Kerja
DeepSeek menyediakan tiga tingkat reasoning effort untuk menyesuaikan proses penalaran model dengan kerumitan pekerjaan. Mode Low ditujukan bagi tugas sederhana yang tidak membutuhkan rangkaian logika panjang.
Mode High diposisikan untuk operasional harian agen AI, sedangkan Max dirancang bagi tugas yang sangat kompleks. DeepSeek menyebut debugging sistem dan analisis banyak langkah sebagai contoh pekerjaan untuk mode Max.
Pembagian tersebut memberi pengembang ruang untuk menyeimbangkan kecepatan, akurasi, dan biaya pemrosesan dalam satu aplikasi. Kebutuhan itu penting ketika aplikasi menjalankan jenis beban kerja yang berbeda-beda.
Skema Tarif Berdasarkan Waktu
Mulai 16 Agustus 2026 pukul 23.00 WIB, tarif API DeepSeek V4 Pro dibedakan menurut waktu penggunaan. Jam puncak berlaku pada 08.00–11.00 WIB dan 13.00–17.00 WIB.
Di luar jam tersebut, tarif off-peak disebut 50% lebih murah. Skema ini dapat dimanfaatkan pengguna yang mampu menjadwalkan pemrosesan pada periode nonpuncak.
| Komponen Tarif V4 Pro | Harga per 1 Juta Token |
|---|---|
| Input, cache hit | $0,044 (Rp784) |
| Input, cache miss | $1,32 (Rp23.500) |
| Output | $3,96 (Rp70.600) |
Model ini mendukung OpenAI Responses API secara native dan menyediakan integrasi satu-klik dengan Codex. Pengembang dapat menjalankan model secara paralel atau berpindah tanpa perubahan besar pada kode yang sudah digunakan.
DeepSeek V4 Pro tersedia melalui aplikasi dan situs web DeepSeek lewat Expert Mode, sementara nama model untuk API publik tetap sama. DeepSeek juga menawarkan V4 Flash sebagai varian lebih ringan untuk aplikasi berskala besar dengan anggaran yang lebih terbatas.
