出品｜搜狐科技

作者｜鄭松毅 常博碩

編輯| 楊 錦

DeepSeek V4，來了！

OpenAI GPT 5.5 前腳剛發(fā)布，DeepSeek就亮出了“真家伙”。

就在剛剛，DeepSeek-V4的預(yù)覽版本正式上線并同步開源。

據(jù)官方介紹，DeepSeek-V4擁有百萬字超長上下文，在 Agent 能力、世界知識和推理性能上均實現(xiàn)國內(nèi)與開源領(lǐng)域的領(lǐng)先。模型按大小分為兩個版本：

更具產(chǎn)業(yè)里程碑意義的是，DeepSeek-V4 從模型設(shè)計之初就深度適配國產(chǎn)算力，在華為昇騰芯片生態(tài)實測跑通，成為全球首個在國產(chǎn)算力底座上完成訓(xùn)練與推理的萬億參數(shù)級模型，打破對海外芯片與框架的長期依賴。

性能比肩頂級閉源模型

價格比Claude便宜21倍

官方實測數(shù)據(jù)顯示，DeepSeek-V4-Pro性能比肩頂級閉源模型。

Agent（智能體）能力方面，相比前代模型，DeepSeek-V4-Pro的能力顯著增強。在 Agentic Coding 評測中，V4-Pro 已達(dá)到當(dāng)前開源模型最佳水平，并在其他 Agent 相關(guān)評測中同樣表現(xiàn)優(yōu)異。

DeepSeek介紹，目前 DeepSeek-V4 已成為公司內(nèi)部員工使用的 Agentic Coding 模型，據(jù)評測反饋使用體驗優(yōu)于 Sonnet 4.5，交付質(zhì)量接近 Opus 4.6 非思考模式，但仍與Opus 4.6 思考模式存在一定差距。

DeepSeek給出的結(jié)論相對克制。在知識與推理任務(wù)上，其性能已經(jīng)超過主流開源模型，并接近Gemini等閉源系統(tǒng)，但仍存在約3到6個月差距。在 agent和代碼任務(wù)上，其表現(xiàn)接近甚至部分超過Claude Sonnet。

此外，在數(shù)學(xué)、STEM、競賽型代碼的測評中，DeepSeek-V4-Pro超越當(dāng)前所有已公開評測的開源模型（包括月之暗面的K2.6 Thinking、智譜GLM-5.1 Thinking等），取得了比肩世界頂級閉源模型的優(yōu)異成績。

相較之下，DeepSeek-V4-Flash主打性價比，能夠提供更加快捷、經(jīng)濟的 API 服務(wù)。在 Agent 測評中，DeepSeek-V4-Flash 在簡單任務(wù)上與 DeepSeek-V4-Pro 旗鼓相當(dāng)，但在高難度任務(wù)上仍有差距。

據(jù)悉，V4-Pro 與 V4-Flash 最大上下文長度為 1M，均同時支持非思考模式與思考模式，其中思考模式支持 reasoning_effort 參數(shù)設(shè)置思考強度（high/max）。對于復(fù)雜的 Agent 場景建議使用思考模式，并設(shè)置強度為 max。使用價格如下：

DeepSeek表示，“受限于高端算力，目前Pro的服務(wù)吞吐十分有限，預(yù)計下半年昇騰950超節(jié)點批量上市后，Pro的價格會大幅下調(diào)?！?/p>

再看看國際友商價格對比，可見DeepSeek的實惠：

混合架構(gòu)解決工程落地痛點

全面適配國產(chǎn)算力

大模型處理超長文本的最大痛點，從來不是 “能不能裝下”，而是跑不動、記不住、算不起。隨著傳統(tǒng)注意力機制呈平方級復(fù)雜度攀升，百萬Token場景下顯存與算力直接 “爆炸”，幾乎無法工程落地。

DeepSeek-V4 的發(fā)布，標(biāo)志著大模型正式走出 “參數(shù)競賽”，進入效率優(yōu)先下一代賽道。

從一口氣審計全量代碼庫、一次性解析千頁合同，到全程記住長時間會議、串聯(lián)多輪復(fù)雜智能體任務(wù)，V4讓AI 真正具備“完整理解、長期記憶、深度推理”的能力，同時把使用成本大幅下拉。

這一切得益于DeepSeek業(yè)內(nèi)首創(chuàng)“CSA （壓縮稀疏注意力） + HCA （重度壓縮注意力）”的混合架構(gòu)。用一套“分級壓縮 + 分級檢索”思路，把效率拉到極致。這一新方法顯著減少了計算復(fù)雜度，提升了長上下文處理的效率。

具體來看，CSA像給長文本做重點精讀。先把每 4 個Token壓縮成一個信息塊，再用稀疏檢索只挑最相關(guān)的內(nèi)容，既保留中段細(xì)節(jié)，又大幅削減計算量，兼顧精準(zhǔn)與效率。HCA像給長文本做大綱速讀，把海量信息濃縮成框架級塊，專門負(fù)責(zé)全局邏輯。

官方數(shù)據(jù)顯示：1M Token場景下，V4-Pro 僅需 V3.2 的 27% 推理算力、10% KV 緩存；Flash 版更是低至 10% 算力、7% 緩存。

除了混合注意力，V4 還帶來三項關(guān)鍵技術(shù)革新，構(gòu)成完整效率革命：

升級傳統(tǒng)殘差連接，把信號傳播約束在穩(wěn)定流形上，深層不衰減、訓(xùn)練不炸數(shù)值。

Muon 優(yōu)化器：替代傳統(tǒng) AdamW，收斂更快、訓(xùn)練更穩(wěn)，完美適配 MoE 大模型與低精度訓(xùn)練，解決大批次長上下文訓(xùn)練的抖動難題。

全鏈路工程優(yōu)化：專家并行細(xì)粒度通信重疊、TileLang 內(nèi)核開發(fā)、FP4 量化感知訓(xùn)練、異構(gòu) KV 緩存管理，從計算、通信、存儲全方位降本提速，推理加速最高近2倍。

最受大家關(guān)心的，是V4這次是否成功全面適配國產(chǎn)算力？

報告指出，DeepSeek-V4在英偉達(dá) GPU 與華為昇騰 NPU 兩大硬件平臺上，對細(xì)粒度 EP 優(yōu)化方案完成了全面驗證。相較于性能優(yōu)異的非融合基線方案，該方案在通用推理負(fù)載場景下可實現(xiàn)1.50~1.73 倍的加速比。

有業(yè)內(nèi)觀點指出，這代表已經(jīng)完成華為昇騰平臺的適配和實測落地。但目前對外開源的只有英偉達(dá)GPU版本，昇騰適配代碼未開源，屬于閉源適配優(yōu)化。

值得一提的是，寒武紀(jì)在軟硬一體生態(tài)中，已經(jīng)完成基于 vLLM 推理框架完成對 285B DeepSeek-V4-flash 和 1.6T DeepSeek-V4-pro 的適配，適配代碼已開源到 GitHub 社區(qū)。

剩下的，就等DeepSeek-V4的實用表現(xiàn)了。還有DeepSeek的首輪融資最終花落誰家，也還是個謎題。

“不誘于譽，不恐于誹，率道而行，端然正己。”

DeepSeek官方在文章最后表示，他們將始終秉持長期主義的原則理念，在嘗試與思考中踏實前行，努力向?qū)崿F(xiàn) AGI 的目標(biāo)不斷靠近?！?/p>

運營編輯 |曹倩審核｜孟莎莎