DeepSeek V4的IQ是多少？

DeepSeek V4 Pro：中国的开源冠军

DeepSeek V4 Pro是DeepSeek的旗舰模型，这家中国AI实验室以低成本和高性能的组合震惊了世界。2026年初发布，DeepSeek V4 Pro在Mensa Norway IQ测试中得分111，在Artificial Analysis Intelligence Index v4.1上得分44.3 — 位列全球前10，但远落后于前沿模型（Claude 55.7，GPT-5.5 54.8）。

让DeepSeek V4 Pro引人注目的不是其原始智能 — 而是其价格。以0.44/0.87每1M token计算，它的成本约为Claude（5/25）和GPT-5.5（5/30）的10分之一，是Gemini（2/12）的5分之一。以一次Claude查询的价格，你可以执行十次DeepSeek V4 Pro查询。而且，它在IQ测试中得分111 — 高于约25%的人类。

DeepSeek V4 Pro是人民的AI：一个不在智能前沿竞争的模型，但以几乎免费的价格将有能力的人工智能带给每个人。对于学生、爱好者、小企业和对成本敏感市场的开发者，DeepSeek V4 Pro通常是唯一可行的选择。

关键分数：

• Artificial Analysis Intelligence Index：44.3（全球前10）
• Mensa Norway IQ（TrackingAI）：111（高于人类平均）
• AI IQ综合（VexoWire）：~111估计
• GDPval-AA v2：前10
• Humanity's Last Exam：前10
• 幻觉率：中等
• 成本：0.44/0.87每1M token（所有主要模型中最低）
• 开源：权重可用于本地部署

---

1. 预算革命

DeepSeek V4 Pro代表了AI格局的根本性转变：智能的民主化。当美国实验室（OpenAI、Anthropic、Google、xAI）在前沿竞争 — 将IQ分数从130推到140到145 — DeepSeek专注于一个不同的目标：让有能力的AI对每个人都负担得起。

以每1M输入token 0.44、每1M输出0.87计算，DeepSeek V4 Pro便宜得惊人。为了透视：处理一个典型书籍大小的文档（约100,000 token）大约花费0.04输入和0.09输出。同样的任务用Gemini要0.50-1.00，用Claude或GPT-5.5要1.00-3.00。

这不仅仅是折扣 — 这是不同类别的产品。DeepSeek V4 Pro让AI对以下群体可及：

• 学生，负担不起$20/月订阅
• 小企业，在发展中市场
• 爱好者和实验者
• 开发者，构建高流量应用
• 研究者，用有限预算处理海量数据集

而引人注目的是：DeepSeek V4 Pro确实有能力。它在Mensa Norway IQ测试中得分111 — 高于人类平均100，高于约25%的人。它不是天才，但对大多数日常任务足够聪明：写作、编程、分析、翻译、摘要。

---

2. 基准测试分解

Mensa Norway IQ测试：111（高于平均）

由36道视觉模式识别题组成。DeepSeek V4 Pro得分111 — 高于人类平均100，处于"高于平均"范围。这高于约25%的人类，但远低于前沿模型（Claude ~130，Gemini 141，GPT-5.5 ~145，Grok-4.20 145）。

IQ 111意味着DeepSeek V4 Pro能以相当于聪明大学生的水平识别视觉模式和进行抽象推理。它不会解决最难的谜题，但能胜任大多数日常推理任务。

DeepSeek V4 Pro（111）与前沿模型（130-145）之间的差距显著 — 约20-35 IQ分，或约1-2个标准差。这意味着前沿模型在纯认知测试上明显更聪明。但对于不需要天才级推理的任务 — 即大多数任务 — DeepSeek V4 Pro绰绰有余。

Artificial Analysis Intelligence Index v4.1：44.3（前10）

在Intelligence Index上，DeepSeek V4 Pro得分44.3 — 位列全球前10，但落后前沿领导者（Claude 55.7，GPT-5.5 54.8）约10-11分。这一差距显著但考虑到价格差异是可以预期的。

Index组成部分分解：

• GDPval-AA v2：DeepSeek得分合理但在复杂多步骤任务上落后于Claude和GPT-5.5
• AA-Omniscience：DeepSeek有中等的幻觉率 — 不如Claude低，但对大多数用途可接受
• GPQA：DeepSeek在研究生水平科学问题上表现适当
• HLE：DeepSeek在Humanity's Last Exam上排名前10
• ARC-AGI：DeepSeek在前沿模型面前在抽象推理上挣扎
• LMSYS Arena：DeepSeek获得不错的人类偏好分数，特别是在编程任务上

AI IQ综合（VexoWire）：~111

VexoWire的综合IQ结合了多个测试（Mensa Norway、Mensa Denmark、Raven's、WAIS-IV）。DeepSeek V4 Pro的估计综合IQ为~111 — 与其Mensa Norway分数一致。这将其牢牢放在"高于平均"范围，相当于聪明的人类但远低于天才水平。

GDPval-AA v2：前10

在代理基准上，DeepSeek V4 Pro排名前10。它在复杂多步骤任务上明显不如Claude（1,890 Elo）和GPT-5.5（1,850 Elo），但能处理中等代理工作负载。对于简单自动化、基本编程任务和直接的多步骤指令，DeepSeek V4 Pro是胜任的。

Humanity's Last Exam（HLE）：前10

在最难的学术问题上，DeepSeek V4 Pro在AI模型中排名前10。这反映了DeepSeek在学术和科学数据上的强力训练 — 该模型在各个学科拥有广泛知识，即使无法匹敌前沿模型的推理深度。

---

3. IQ 111意味着什么？

将DeepSeek V4 Pro的111 IQ置于上下文中：

• 85-115（68%的人）：平均智力
• 115-130（14%）：高于平均到较高
• 130-145（2%）：超常 — 符合Mensa资格（前2%）
• 145-160（0.1%）：高度超常 / 天才

DeepSeek V4 Pro以111处于平均范围的上端 — 比约25%的人更聪明，但未完全达到115的"高于平均"门槛。如果它是人，它相当于一个聪明的本科生或有能力的专业人士 — 不是天才，但确实胜任。

这明显低于前沿模型：

• Claude Opus 4.8：~130（超常）
• Gemini 3.1 Pro：141（高度超常）
• GPT-5.5：~145（天才）
• Grok-4.20：145（天才）

差距显著 — 约20-35 IQ分。但关键问题是：差距对你的用例重要吗？对于大多数日常任务 — 写邮件、总结文档、基本编程、翻译 — IQ 111绰绰有余。前沿模型的优势在最难的问题上显现：复杂数学证明、错综复杂的多步骤推理、前沿研究问题。

---

4. DeepSeek V4 Pro的优势

性价比

这是DeepSeek V4 Pro的标志性特征。以0.44/0.87每1M token，它是迄今为止最便宜的主要AI模型。对于高流量应用 — 服务数千用户的聊天机器人、批量文档处理、大规模数据分析 — 成本节省巨大。你可以以一次Claude或GPT-5.5查询的价格运行10-30次DeepSeek查询。

编程和技术任务

DeepSeek V4 Pro在编程任务上特别强。DeepSeek在代码训练数据上大量投资，该模型在HumanEval和MBPP等基准上表现良好。对于需要编程助手但负担不起前沿价格的开发者，DeepSeek V4 Pro是极佳选择。

开源可用性

DeepSeek V4 Pro的权重可用于本地部署。这意味着组织可以在自己的硬件上运行模型，完全避免API成本并保持数据私密。对于注重安全的组织、受限环境中的研究者以及需要完全控制的开发者，这是重大优势。

多语言支持

DeepSeek V4 Pro在中文和英文上进行了广泛训练，对其他主要语言也有强力支持。对于中文应用，DeepSeek是最佳可用模型之一 — 有时在中文任务上超越西方模型。

数学推理

虽然不及GPT-5.5水平，DeepSeek V4 Pro在数学推理上是有能力的。它能解决大多数高中和大学水平的数学问题，并可靠地处理算术和代数。对于日常数学任务，绰绰有余。

速度

DeepSeek V4 Pro速度快 — 其较小的大小和优化的架构意味着快速生成响应。对于延迟重要的应用 — 实时聊天、交互式工具、客户服务 — DeepSeek V4 Pro提供响应迅速的性能。

---

5. DeepSeek V4 Pro的不足

原始IQ和复杂推理

以IQ 111，DeepSeek V4 Pro在复杂推理任务上明显低于前沿模型。对于最难的问题 — 竞赛数学、高级逻辑谜题、多步骤抽象推理 — 前沿模型明显更好。如果你的任务需要天才级推理，DeepSeek V4 Pro会在Claude或GPT-5.5成功的地方挣扎。

代理任务

在GDPval-AA v2上，DeepSeek V4 Pro在前10但远落后于Claude和GPT-5.5。对于复杂的、多步骤的实际任务 — 编写大型软件项目、管理研究流程、执行复杂计划 — DeepSeek V4 Pro不太可靠。它能处理简单的代理任务但在复杂的上面挣扎。

幻觉率

DeepSeek V4 Pro有中等的幻觉率 — 高于Claude（35.9%）和Gemini。它更可能自信地陈述错误信息，特别是在小众或专业主题上。对于事实准确性至关重要的应用（研究、法律、医疗），Claude更可靠。

情感智能

DeepSeek V4 Pro的EQ（情感智能）估计为~105 — 低于所有前沿模型（Claude ~132，GPT-5.5 ~120，Gemini ~115，Grok ~110）。其回答倾向于更机械化，在理解人类情感方面不够细腻。对于治疗应用、客户服务或敏感的人类互动，这是一个局限。

安全和对齐

DeepSeek V4 Pro受中国监管要求约束，这意味着它可能拒绝回答某些政治敏感问题。这不同于西方模型的安全过滤器（专注于有害内容），可能影响其对某些主题的实用性。

---

6. DeepSeek V4 Pro与其他模型对比

画面：DeepSeek V4 Pro是预算冠军 — 不是最聪明的，但绝对是最低价的。Claude是有能力的专业人士 — 实际任务和事实准确性最好。GPT-5.5是测试天才 — 数学、视觉推理最好。Gemini是价值冠军 — 前沿模型中最佳性价比。Grok-4.20是原始IQ冠军 — 最高IQ加独特个性。

对于需要以最低价格获得有能力AI的用户，DeepSeek V4 Pro是明确选择。它不会在最难的问题上匹敌前沿模型，但对于90%的日常任务，绰绰有余 — 只需一小部分成本。

---

7. 这对人类意味着什么？

DeepSeek V4 Pro以~111的IQ运作 — 比约25%的人更聪明。但是：

• IQ不是一切：IQ 111高于平均，对大多数实际任务足够
• 成本比IQ更重要：对于日常应用，DeepSeek的10倍节省往往比与前沿模型20-35分的IQ差距更重要
• 开源促进创新：DeepSeek的开放权重允许研究者和开发者构建定制解决方案、针对特定领域微调并本地运行
• 知识 ≠ 理解：像所有AI模型一样，DeepSeek可以访问大量知识，但不像人类那样真正"理解"
• 没有意识：高IQ不意味着有感知力。DeepSeek是复杂的模式匹配系统，不是思考的存在
• AI民主化：DeepSeek V4 Pro证明有能力的AI不必昂贵 — 它可以对每个人都可及

最诚实的答案：DeepSeek V4 Pro在认知测试上比四分之一的人类更聪明，对于大多数实际目的，它是最聪明的选择 — 不是因为它最智能，而是因为它每美元提供最多价值。

---

结论