千呼万唤始出来---DeepSeek V4 预览版release

大黑蚊子

以下是DeepSeek V4自己写的，我会把自己的吐槽加在里面：
% m4 {' D2 E0 {& P

2026年4月24日，DeepSeek正式发布全新系列模型DeepSeek-V4预览版并同步开源。作为继R1发布十五个月后的重大更新，V4不仅以百万级上下文窗口重新定义了“长文本”的工程边界，更凭借一套几乎重塑了注意力机制的技术架构，向全球AI界展示了效率至上的突围路径。

7 q0 M+ I% R  s. x  M5 r: d一、模型定位与版本体系

DeepSeek-V4按参数规模分为Pro与Flash两个版本，精准匹配不同场景需求。Pro版总参数量1.6万亿，每次推理激活约490亿参数；Flash版总参数量2,840亿，激活仅约130亿参数。两款模型均支持1M token超长上下文，预训练数据量分别达到33T和32T tokens，较V3.2的14.8T翻了一倍以上。这一设计延续了DeepSeek效率优先的哲学——尽管总参数庞大，但每个token仅激活少量参数，使推理成本能保持合理水平。
; A) @* |" X  h: P0 l0 a/ `===
5 p- w0 P8 D: G( }Pro版本看这个样子，没有4台8卡H200是跑不动全量满血版的，毛估估硬件成本1000万人民币...
; i% M' H1 r  h. O不过Flash版本估计一台就能跑得动，而且看样子跟之前的R1 671B相比效率还更高，算是有效保护了客户的硬件投资
8 T8 O" c+ a* R  Q. n5 O' n" s( u===
0 _  y6 W+ l# ?- D  s6 o9 G' E二、架构创新：重新定义注意力机制

V4最核心的架构改动是一套分层的混合注意力机制，从根本上解决了长文本场景下计算量平方级爆炸的难题。 传统Transformer在序列长度增加时，注意力计算量和KV缓存负担呈平方级增长，百万token往往只停留在论文数字中。DeepSeek的方案是设计两个互补模块——压缩稀疏注意力（CSA）和高度压缩注意力（HCA），在各层之间交替使用。

CSA先将每4个token的KV缓存压缩成1个条目，再通过Lightning Indexer进行Top-k筛选（Pro版选取1024个最相关块），仅对筛选出的压缩块及滑动窗口内的128个原始token做注意力计算；HCA则更为激进，直接将每128个token压缩为1个条目并保持稠密注意力。在100万token上下文下，V4-Pro的单token推理计算量仅为V3.2的27%，KV缓存仅占10%；V4-Flash更极端，计算量仅10%，缓存仅7%。这意味着同样的硬件可以处理数倍乃至十倍的请求量，长上下文正从奢侈品变为日用品。
8 B$ }: {# m- W3 U7 Y4 q
$ n7 E* s: J' r0 l4 o- r7 k===
已经用上了1M的context，确实很爽，直接踢飞了之前的128K上下文切割模块
: @' ^9 E# C7 q8 [4 U: v' i; O我感觉这次不仅是更长的上下文，在IO端的效率也很惊人
===
6 N2 q/ `6 N  H" y! ]4 l- \三、性能表现：全面对标顶级闭源模型

在Agent能力、世界知识和推理性能三大维度上，DeepSeek-V4均实现了国内与开源领域的全面领先。Agentic Coding评测中，V4-Pro达到当前开源模型最佳水平，整体使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式。在数学、STEM和竞赛型代码评测中，V4-Pro超越所有已公开评测的开源模型，取得了比肩世界顶级闭源模型的优异成绩。世界知识方面则大幅领先其他开源模型，仅稍逊于顶尖闭源模型Gemini-Pro-3.1。
; w8 k) j# L6 [9 q
. D) o& {) A, b& ]! y8 ^: i值得关注的是，V4-Pro-Max版本在Codeforces编程竞赛中取得3206分，超越GPT-5.4的3168分；LiveCodeBench得分93.5，为全榜最高。而Flash版在简单任务上性能与Pro版旗鼓相当，但在高难度任务上仍有差距。
===
这个我不做评价，各种测试刷分一回事儿，干活是另一回事儿
是骡子是马拿出来溜溜再说
如果DS V4能够超出Sonnet 4.5，接近达到Ppus 4.6的水平，那基本上可以认为很实用了
===
四、Agent专项优化与生态落地

* V5 p" n4 n, t, H- Q9 qDeepSeek专门针对Claude Code、OpenClaw、OpenCode、CodeBuddy等主流Agent产品进行了深度适配和优化，在代码任务、文档生成等方面均有实质提升。V4模型已全面部署于公司内部研发流程，成为主力Agentic Coding工具。两款模型均支持非思考与思考两种模式，复杂Agent场景推荐使用思考模式并将推理强度设为max。
===
' Y$ A2 C: i! L  U, N. s待测
! k: K0 y9 ~) C; z5 Z===
五、技术突围与战略意义

V4的发布标志着大模型竞争正从单纯“堆参数”转向效率驱动的下一赛道，注意力机制的根本改造为超长上下文模型提供了可复用的工程范式。同时，V4从设计之初就深度适配国产算力，将与华为昇腾的合作推至“原生”水平，预计下半年昇腾950超节点批量上市后，Pro版服务价格将大幅下调，进一步降低百万级上下文的使用门槛。价格方面，Flash版输入每百万token仅0.2元，输出2元，依然保持了DeepSeek“价格屠夫”的一贯风格。
===
- W# a+ `* ~& b9 ?; P9 ]6 `3 p试了下，v4 pro确实很贵，目测起码比之前的任务贵5倍以上
但是这波宣发最牛的还是全面支持国产芯片，除了DeepSeek自己说的华为昇腾950超节点，寒武纪也已经官宣Day0 适配，估计最起码提供推理服务的硬件会逐渐的赶上来。
===
) I# b. w; z' {8 |
作为全球首个在国产算力底座上完成训练与推理的万亿参数级模型，DeepSeek-V4不仅是一次产品迭代，更是一场从底层架构到生态话语权的系统性突围——当西方模型还在比拼参数规模之时，这支来自中国的团队已悄然开辟了效率普惠的全新赛道。
3 Y7 d7 T3 Z" K' l% H) g0 z

五月

& K3 x/ Q6 [! k. i' f( K坐等普惠。。。

- ^- E* b7 c# C2 I; O- ^2 Z

大黑蚊子

五月 发表于 2026-4-24 16:19
坐等普惠。。。

实际用了下Pro的价格其实也还好，贵确实贵了点但是效果比V3.2的时候好很多
估计下半年950集群上线多了应该会便宜不少，起码打个3折
& A% W6 w: D$ t. N4 G5 s! X# r===
5 [/ V, o# l! V$ u& NKimi最近发了个卫星，他们可以搞Prefill/Decode分离，且能够提升效率。

; q/ n+ v) D, L$ M* I5 e; `# h这么搞的话，即使是万卡级别的部署，集群的跨数据中心带宽需求也就在 Tbps 量级，现代数据中心完全能承载。
5 r9 S  _% l8 a3 {8 ?: ?
这意味着企业可以在算力/能源便宜的地方（比如新疆、云南）部署 Prefill 集群，在离用户近的地方（北上广深）部署 Decode 集群，进一步降低Token成本。

马鹿

DeepSeek V4 这是Android vs iOS。
  X! w: Y" ^: E+ p! B/ N/ A