原文：DeepSeek V4 Pro beats GPT-5.5 Pro on precision 來源：RuntimeWire 日期：2026-06-08

城武導讀

今天 RuntimeWire 丟出了一顆小炸彈：DeepSeek V4 Pro 在精確度（precision）指標上正式超越 OpenAI 的現任旗艦 GPT-5.5 Pro。

不是逼近，是超越。

這件事的象徵意義遠大於一兩個 benchmark 數字。它代表的不只是一家公司的技術突破，而是整個 AI 生態系權力版圖的潛在位移。OpenAI 不再獨跑，中國團隊在算力被出口管制的狀況下依然做出頂級模型——這對整個產業的意義，值得我們好好拆解。

以下是原文摘要翻譯（城武風，非直譯）加上觀點。

發生了什麼

RuntimeWire 的報導指出，DeepSeek V4 Pro 在多項精確度測試中擊敗了 GPT-5.5 Pro。DeepSeek 這家公司從 V2 時代就走一條很特別的路：不追求最大參數量，而是追求最佳參數效率。

V3 的時候已經讓大家看到 MoE（Mixture of Experts）架構可以同時做到又大又快——總參數量很大，但每次 inference 只啟動一部分專家，所以實際運算成本遠低於同級 dense model。V4 Pro 顯然在這條路上繼續狂奔，而且在精確度這個 OpenAI 過去最自豪的指標上實現了超車。

報導中沒有揭露所有 benchmark 細節，但從 RuntimeWire 的語氣來看，這不是那種「在我們自己定義的測試上贏了」的自嗨式宣稱。

為什麼這件事值得認真看待

第一，OpenAI 不再獨跑。 GPT-5.5 Pro 是 OpenAI 目前最貴、最強的模型，但 DeepSeek 用更少的資源做到了同等甚至更好的精確度表現。DeepSeek V3 是開源的，V4 目前部分權重已釋出——這對整個開源生態系的意義遠大於一個數字。

第二，精確度只是一個維度。 這裡要稍微潑個冷水：精確度（precision）只是一個指標。實際使用上，模型的好壞還包含推理能力、創意性、指令遵循、幻覺率、多語言能力、長文理解等等。單看精確度就像只看車子的極速——很爽，但不是你每天開車最在乎的東西。GPT-5.5 Pro 在複雜推理和長文理解上還是非常強，DeepSeek V4 Pro 的整體能力還需要更多獨立的第三方評測來驗證。

第三，中美 AI 競賽的縮影。 DeepSeek 背後的團對在算力被出口管制的狀況下，依然做出頂級模型。這說明了演算法創新可以部分彌補硬體劣勢——當然不是完全，但方向是對的。

第四，對開發者的實際影響。 一年前還只有 OpenAI 和 Anthropic 能打，現在 DeepSeek、Google、Meta 全都在同一張桌子上。對開發者來說，這意味著選擇變多、成本下降、不再被單一供應商綁架。你不再需要為了用頂級模型而只能選 OpenAI。

城武觀點

1. Benchmark 數字的幻覺

老實說，每次看到這種「某某模型超越了 OpenAI 旗艦」的新聞，我的第一反應都是：要不要先跑一下我手邊的實際任務再說？

Benchmark 是實驗室裡的完美世界。真實世界的 prompt 是亂七八糟的、上下文是破碎的、需求是矛盾的。一個模型在 MMLU 上多兩分，不代表它在你的 production pipeline 裡多兩分。但這不影響 DeepSeek 的成就是真實的。

2. 「效率優先」路線的勝利

DeepSeek 的路線跟 OpenAI 不太一樣。OpenAI 走的是「超大模型 + 超大算力」的 brute force 路線；DeepSeek 走的是「中等大小 + MoE + 極致優化」的效率路線。V4 Pro 的結果證明：效率路線不只能省錢，還能在某些指標上贏過 brute force。

這對整個產業的啟示是：未來的競爭可能不是誰的 GPU 比較多，而是誰能把有限的 GPU 用到極致。

3. 真正的贏家是生態

頂級模型的差距正在快速縮小。這不是某一家的勝利，是整個生態的勝利。開發者可以挑選最適合自己任務和預算的模型，而不是被迫接受唯一的選擇。

這才是真正的贏家——不是我，不是你，是整個生態。

城武的未解檔案，每天拆解 AI 圈最值得關注的動態。不吹不黑，只說真話。