CLUE 团队最新推出的 SuperCLUE-Terminal 中文智能体终端编程能力评测榜单揭晓，DeepSeek-V4-Pro-0813 以 51.52 分位居第二，仅次于榜首 Kimi K3。尤为关键的是，该模型在高分表现背后展现出极低的调用开销，其成本效益在一众高性能模型中尤为抢眼。本榜单专为国内开发者定制，所有测试任务均源自本土真实开发场景，并统一基于 Claude Code 框架运行，确保在中文需求理解、任务规划、工具调用及代码调试修复等全链路能力上实现公平、严谨的横向对比。

评测的真实性体现在任务复杂度设计上：每道题目需模型完成 50 至 110 轮多步交互，单题完整执行耗时约 30 分钟至 90 分钟，高度复现实际开发中反复迭代、持续调试的真实工作流。本次榜单中，Kimi K3 以 60.61 分领跑，DeepSeek-V4-Pro-0813 紧随其后；其得分亦明显高于 GLM-5.2 的 48.48 分与旧版 DeepSeek-V4-Flash 的 46.46 分，稳居头部阵营。

单题仅需 1.42 元，直击算力成本痛点

最引人瞩目的仍是 DeepSeek-V4-Pro-0813 的极致成本控制能力：单题平均调用成本约为 1.42 元，仅为 Kimi K3 的约 1/14、GLM-5.2 的约 1/16。在当前头部模型分数差距普遍仅在个位数的背景下，如此量级的成本差异，使得中小团队得以以可承受代价接入“准旗舰级”编程能力，彻底摆脱高频交互带来的算力负担。

实测覆盖前端页面构建、3D 游戏逻辑开发、工程脚本优化等典型真实需求，模型能端到端闭环实现游戏核心机制——包括物理碰撞判定、实时计分系统与结算流程，且界面配色方案与用户交互反馈均突破模板化 AI 风格，具备较强产品级表现力。个别创意绘图类任务偶有结构微瑕，但整体交付质量仍处于行业前列。对于预算受限的中小企业及独立开发者而言，DeepSeek-V4-Pro-0813 凭借“亚军分数、十四分之一价格”的组合优势，正在重塑编程大模型的价值标尺——当顶尖能力不再绑定高昂成本，AI 编程的规模化落地正加速成为现实。