DeepSeek V4 Official Release: What 121 Gray Tests Reveal About Coding Performance

Verdetto rapido

DeepSeek non ha confermato pubblicamente che tutto questo sia V4. Quello che abbiamo è un volume consistente di output presuntamente legato a un rilascio graduale, e di coerenza dubbia: 121 video su Bilibili pubblicati da 53 creator tra il 7 e il 19 luglio 2026, più 40 sessioni OpenCode condivise e una manciata di progetti scaricabili. Bastano per individuare dei pattern, non per fissare il model ID o lanciare un benchmark controllato.

Su questa premessa, la conclusione è netta: nei terreni in cui Kimi K3, GPT-5.6 e Fable 5.0 brillano di più, V4 resta un gradino sotto, ma il divario è ormai così piccolo che, per la maggior parte della programmazione di tutti i giorni, uno sviluppatore attento ai costi può usare V4 come default e tenere un abbonamento leggero di fascia alta per code review, bug ostici e quell'ultimo 10% di attività lunghe multi-turno.

Per la galleria di screenshot e i link alle chat della prima ondata, vedi la nostra raccolta di evidenze del rilascio graduale di DeepSeek V4.

Catalogo completo delle fonti evidenza chiave

L'evidenza originale dietro ogni affermazione di questo articolo, mirror dal repository open source YunhaoFu/dsv4ga-news-gather. Espandendo, puoi filtrare per creatore, data o parola chiave. Il titolo rimanda direttamente al video su Bilibili.

Cosa ci dicono 121 test

I dati provengono dal progetto open source dsv4ga-news-gather, che indicizza i video pubblici di Bilibili conservando titolo, creatore, timestamp, descrizione, commenti, sessioni condivise e link di download. Lo snapshot del 19 luglio è più o meno così:

Due bias contano più di qualsiasi singolo numero. Bias di selezione: la stragrande maggioranza è "programmazione dei desideri" — giochi browser, scene 3D, animazioni SVG, simulini fisici e strumenti musicali. Quindi questo corpus prova con forza la prototipazione rapida e la generazione frontend, ma quasi non dice nulla su backend di produzione, sicurezza, manutenzione di grandi repository o progetti con cicli di mesi. Bias di trasparenza: solo 3 dei primi dieci creator hanno condiviso prompt o log di sessione. Che il titolo del video dica "versione ufficiale" è spesso clickbait: il creatore, di solito, ha solo presuntamente ricevuto il rilascio graduale. In tutto il testo lo esprimiamo come presunta versione di V4 in rilascio graduale.

In cosa sembra distinguersi V4

Le app con una frase ora girano davvero, non sono solo da guardare

Il pattern più marcato è la generazione di implementazioni complete a partire da specifiche brevi. Nell'insieme ci sono mondi voxel, sparatutto, rhythm game, survival, scene three.js, generatori musicali e visualizzazioni ingegneristiche. Una demo rappresentativa, un GTA in SVG, a quanto si descrive è uscita in una iterazione principale + un round di fix di bug, con sessione condivisa allegata. Non è "consegna un gioco con una frase"; è "il modello sceglie l'architettura, collega i sottosistemi sufficienti a dimostrare l'idea e non si rifugia più in un mockup vuoto".

3D, SVG e codice di simulazione leggera sono migliorati

Scene three.js, asset SVG personalizzati, fisica di gioco e simulazioni interattive compaiono di continuo. Una pagina web in stile CFD gas-liquido, a quanto si dice, usa PBF per il liquido e LBM per il gas, in due turni di dialogo. Il creatore stesso avverte che l'aerodinamica non è realistica e va ancora lavorata: è esattamente il confine tra "prototipo impressionante" e "strumento ingegneristico affidabile".

Il prezzo è forse il vero titolo

I confronti della community descrivono ripetutamente V4 e Kimi K3 come molto vicini sui progetti reali. Se l'API definitiva mantiene il vantaggio di prezzo tipico di DeepSeek, "offrire capacità quasi frontier a prezzo infrastrutturale" pesa più di vincere qualsiasi demo testa a testa. Vedi il nostro confronto dei prezzi delle API di IA.

Dove V4 continua a inciampare

• Gusto e rifinitura. Nella composizione frontend e nei testi lunghi, la community preferisce spesso Kimi K3. Il lato visivo di V4 può essere spettacolare, ma la qualità oscilla molto a seconda del design del prompt.
• Confini delle istruzioni. In una demo si chiede al modello di cancellare i commenti e, per strada, corregge anche un bug del gioco. Questa proattività in un giocattolo è magica, ma in un repository reale è un rischio in fase di review. Ogni diff va guardato: non confondere "gira" con "approvato".
• Affidabilità multi-turno lunga. Le sessioni continuano a crashare, divagare o accumulare debito architetturale dopo diversi turni. Che la prima volta sia forte non garantisce che lo sia la ventesima.
• Correttezza fisica. Una simulazione di fluidi o di gravità che sembra convincente non equivale a un CFD o a una meccanica validi. Visivamente corretto ≠ numericamente corretto.
• Riproducibilità. Il routing del rilascio graduale sembra instabile: utenti diversi potrebbero aver beccato modelli, tier o comportamenti di campionamento differenti.
• Qualità dell'evidenza. Molti video non includono il prompt completo, l'identificatore del modello, il numero di tentativi falliti, il consumo di token e le modifiche manuali.

La descrizione onesta è "generatore di prototipi con un tetto alto e una reale capacità di programmazione"; non "un senior che non ha più bisogno di review".

V4 vs Kimi K3 vs GPT-5.6 vs Fable 5.0

Non esiste un benchmark controllato dei quattro modelli. La tabella riassume, a partire dall'evidenza del rilascio graduale e dai commenti degli utenti, un orientamento per flusso di lavoro; non è una classifica.

V4 vs Kimi K3: il materiale diretto più affidabile punta a un testa a testa equilibrato. Su frontend e testo K3 sembra migliore; V4 offre un rapporto qualità-prezzo migliore e compete sull'implementazione. Un video di confronto accumula decine di migliaia di visualizzazioni, ma né i prompt né i punteggi sono standardizzati.

V4 vs GPT-5.6: commenti sparsi sostengono che in certi progetti web si spartiscono vittorie e sconfitte. Sono ispirazione per prove, non risultati di benchmark. La vera domanda è: V4 riesce a far passare la suite di test del tuo repo spendendo di meno?

V4 vs Fable 5.0: le demo di gioco colpiscono e il confronto tenta, ma questo corpus non basta per affermare che V4 eguagli Fable su grandi codebase, review di sicurezza o esecuzione automatica prolungata. Finché test riproducibili non dimostreranno il contrario, tenere Fable 5.0 come opzione di escalation.

Raccomandazioni pratiche

La configurazione più economica che non si ritorce contro:

1. Lascia a V4 l'80–90%. Pianificazione, scaffolding, implementazione, test, documentazione e fix di bug ordinari.
2. Verifica in locale. Lint, controllo dei tipi, test unitari e di integrazione, più revisione manuale del diff. Non negoziabile.
3. Fai salire di livello con l'evidenza. Quando ti blocchi, invia diff, test in rosso e problema concreto a Kimi K3, GPT-5.6 o Fable 5.0; non reinviare lo stesso prompt vago.
4. Tieni un abbonamento leggero di fascia alta, non diversi completi. Usalo come revisore e modello di soccorso, non come consumatore di token di default.

Questa configurazione funziona solo quando il secondo modello riceve evidenza (diff, log, test falliti). Chiedere a due modelli la stessa domanda vaga, di solito, si limita a raddoppiare il costo senza migliorare l'affidabilità.

Cosa verificare al lancio ufficiale

La versione definitiva si giudica per la riproducibilità, non per la demo dell'evento di presentazione. Controlla:

• l'esatto model ID dell'API, e se web, app e API usano lo stesso tier;
• la finestra di contesto, il limite di output, il supporto di tool calling e di output strutturato;
• il prezzo per token di input, di input in cache e di output;
• i rate limit, il routing di picco e se i tier "Pro/Flash/Max" si comportano in modo diverso;
• le modifiche a livello di repo, la generazione di test e il rispetto rigoroso delle istruzioni;
• la probabilità di riprodurre la qualità del rilascio graduale con lo stesso prompt;
• licenza, conservazione dei dati e opzioni di deployment.

Aggiorneremo questo articolo quando DeepSeek pubblicherà la model card definitiva, la documentazione dell'API e i prezzi. Fino ad allora, qualsiasi affermazione sul modello finale è provvisoria.

Domande frequenti

La versione ufficiale è già disponibile?

Questo corpus documenta un presunto routing del rilascio graduale, non un lancio confermato. Che il titolo del video dica "versione ufficiale" non equivale a una conferma di DeepSeek.

V4 quanto programma davvero?

L'evidenza è più forte su prototipi web rapidi, giochi, SVG, three.js e fix di bug iterativo; più debole su grandi repository di produzione, codice security-sensitive e attività automatiche di lunga durata.

V4 è meglio di Kimi K3?

Non su tutti i compiti. V4 sembra alla pari e può costare meno; Kimi K3 vince spesso su rifinitura frontend e testo. Decidi dopo aver provato con gli stessi prompt, lo stesso runtime e gli stessi test di accettazione.

Dovrei disdire gli abbonamenti di fascia alta?

Per molti, scendere a un unico abbonamento leggero di fascia alta ha più senso che disdirli tutti. Lascia che V4 regga il volume e tieni un modello indipendente per review ed escalation.

Dove vedere i test graduali originali?

Parti dall'indice su GitHub con i 121 video. Casi rappresentativi: test approfondito di V4 contro Kimi K3, confronto di fisica 3D, test di Minecraft con visuale di 8192 blocchi, caso di fix di bug proattivo.