DeepSeek V4 終于發(fā)布。不是傳聞，不是"下周發(fā)布"，就在今天。

遲到了整整四個月，終于在 4 月 24 日正式上線并同步開源。這次一口氣交出了兩個版本——旗艦版 V4-Pro（1.6T 參數(shù)，激活 49B）和經(jīng)濟版 V4-Flash（284B 參數(shù)，激活 13B），全部標(biāo)配百萬 token 超長上下文，全部開源，全部可用。

V4 到底強在哪？

Agentic Coding（代碼智能體）——開源模型最優(yōu)水平，交付質(zhì)量接近 Opus 4.6 非思考模式，體驗優(yōu)于 Sonnet 4.5。

世界知識——大幅領(lǐng)先所有其他開源模型，僅略遜于 Gemini-Pro-3.1。數(shù)學(xué) / STEM / 競賽代碼——超越所有公開評測的開源模型，與頂級閉源模型比肩。

上下文長度——1M（百萬字）超長上下文直接標(biāo)配，不分版本、不加價。

V4-Pro 是性能旗艦，追求極致；V4-Flash 是高效經(jīng)濟版，日常任務(wù)接近 Pro，性價比拉滿。

兩個版本均同步開源，API 支持 1M 上下文，思考模式可調(diào)（high/max），同時兼容 OpenAI 和 Anthropic 兩套接口協(xié)議。

這是 DeepSeek 自 2025 年 1 月 R1 爆火以來，時隔 15 個月的首個重大版本更新。

跑分拆解：和御三家逐項硬碰硬

空口說"比肩閉源"沒用，直接上 HuggingFace 官方 Model Card 的評測數(shù)據(jù)，把 V4-Pro Max（最強思考模式）和 Opus 4.6、GPT-5.4、Gemini-3.1-Pro 放在一起看。

代碼編程

LiveCodeBench 實時編程評測，V4-Pro 拿了 93.5 分，Opus 4.6 是 88.8，Gemini-3.1-Pro 是 91.7。

Codeforces 競賽評分，V4-Pro 拿到 3206，GPT-5.4 是 3168，Gemini-3.1-Pro 是 3052。

在實時編程和競賽編程這兩個最硬核的維度上，V4-Pro 直接超過了三家閉源對手。這是開源模型歷史上第一次做到這件事。

數(shù)學(xué)推理

HMMT 2026 數(shù)學(xué)競賽，V4-Pro 拿了 95.2%，GPT-5.4 是 97.7%，Opus 4.6 是 96.2%，差距已經(jīng)非常小。

但 IMO 數(shù)學(xué)答題評測畫風(fēng)突變，V4-Pro 拿了 89.8%，Opus 4.6 只有 75.3%，反過來被碾壓了 14 個百分點。

Apex Shortlist 高難度推理評測，V4-Pro 拿了 90.2，是所有模型里最高的，Gemini-3.1-Pro 是 89.1%，Opus 4.6 是 85.9%。

知識儲備方面

MMLU-Pro 評測 V4-Pro 拿了 87.5 分，和 GPT-5.4 持平，Gemini-3.1-Pro 最高 91.0。

中文知識評測 Chinese-SimpleQA，V4-Pro 拿了 84.4 分，僅次于 Gemini-3.1-Pro 的 85.9，大幅超過 Opus 4.6 的 76.4 和 GPT-5.4 的 76.8。

在中文場景下，V4-Pro 的知識儲備已經(jīng)是閉源之外的最強水平。

Agent 能力是這次升級的重頭戲。SWE-bench Verified 軟件工程評測，V4-Pro 拿了 80.6%，Opus 4.6 是 80.8%，Gemini-3.1-Pro 也是 80.6%，三家打平。

MCPAtlas 工具調(diào)用評測，V4-Pro 拿了 73.6%，Opus 4.6 是 73.8%，差距 0.2 個百分點。

Toolathlon 工具使用評測，V4-Pro 拿了 51.8%，GPT-5.4 最高 54.6%，Opus 4.6 是 47.2%——V4-Pro 在這個維度上反超了 Opus。

把這些數(shù)據(jù)攤開來看，結(jié)論很清楚：V4-Pro 在編程和數(shù)學(xué)推理上已經(jīng)超過了御三家中的兩家，在知識儲備上稍遜于 Gemini-3.1-Pro 但領(lǐng)先其他所有對手，Agent 能力和 Opus 4.6 幾乎打平。

而這，還是一個完全開源、API 價格只有閉源幾十分之一的模型。

百萬上下文：不是參數(shù)的數(shù)字游戲

一百萬 token 是什么概念？大約等于 15 到 20 本完整的小說，或者一整個中型項目的全部代碼。

長上下文這個東西，很多模型號稱支持，實際用起來后半段就開始"失憶"。業(yè)內(nèi)管這叫"上下文腐爛"——模型雖然能"讀入"大量信息，卻無法有效"記住"并利用。

Opus 4.6 之前在 MRCR v2 的"大海撈針"測試中拿了 76% 的得分，遠超 Sonnet 4.5 的 18.5% ，就是因為解決了這個問題。

V4 的做法是從底層架構(gòu)上重新設(shè)計注意力機制。它搞了一套 CSA（壓縮稀疏注意力）和 HCA（重度壓縮注意力）的混合架構(gòu)，在 token 維度進行壓縮。

直接看數(shù)據(jù)：在 1M token 的上下文設(shè)置下，V4-Pro 的單 token 推理計算量只有 V3.2 的 27%，KV 緩存只有 V3.2 的 10%。同樣處理一百萬字的內(nèi)容，V4 只需要前代模型四分之一的算力和十分之一的顯存。

實際評測表現(xiàn)如何？MRCR 1M 長上下文"大海撈針"評測，V4-Pro 拿了 83.5 分，Opus 4.6 最高 92.9，Gemini-3.1-Pro 是 76.3。CorpusQA 1M 長文檔問答評測，V4-Pro 拿了 62.0，Opus 4.6 是 71.7，Gemini-3.1-Pro 只有 53.8。V4-Pro 在長上下文能力上已經(jīng)穩(wěn)居第二梯隊頂端，和 Opus 4.6 有差距但大幅領(lǐng)先 Gemini。

關(guān)鍵是，DeepSeek 直接宣布：從現(xiàn)在開始，1M 上下文將是所有官方服務(wù)的標(biāo)配。 不分版本，不加價。

要知道 Claude Opus 4.7 的上下文窗口才 200K，而且長上下文調(diào)用的成本高得嚇人。

DeepSeek 直接把百萬上下文從"旗艦專屬"變成了"人人標(biāo)配"，這個定義行業(yè)標(biāo)準(zhǔn)的動作，比跑分本身更有意義。

針對主流 Agent 產(chǎn)品做了適配

這是一個值得單獨拿出來說的細(xì)節(jié)。

V4 官方明確表示，針對 Claude Code、OpenClaw、OpenCode、CodeBuddy 等當(dāng)前主流的 Agent 產(chǎn)品進行了專項適配和優(yōu)化，在代碼任務(wù)和文檔生成任務(wù)上表現(xiàn)均有提升。

這意味著什么？意味著你現(xiàn)在用 Claude Code 或者 OpenClaw 寫代碼，底層模型可以直接切換成 DeepSeek V4。API 接口兼容 OpenAI ChatCompletions 和 Anthropic 兩套標(biāo)準(zhǔn)，改一個 model 參數(shù)就行，遷移成本幾乎為零。

OpenRouter 的統(tǒng)計信息也印證了這一點——在 V4 發(fā)布之前，DeepSeek-V3.2 就已經(jīng)被開發(fā)者廣泛部署在 OpenClaw、Hermes 等今年流行的 Agent 工具中。V4 的專項適配，等于是把這條路徹底鋪平了。

據(jù)騰訊云開發(fā)者社區(qū)的一篇實測文章計算，V4 的 API 定價基本是 GPT-5 的 1/18、Claude Opus 4.6 的 1/16。

一個日均 10 萬次調(diào)用的知識庫項目，全量遷移到 V4 后月成本大約在 7.4 萬人民幣左右，同樣的調(diào)用量如果用 Opus，成本要翻十幾倍。

對于那些每月 token 消耗幾十萬美元的企業(yè)來說，這個誘惑力是實打?qū)嵉摹?/p>

6 萬億參數(shù)，但只激活 490 億

V4-Pro 的總參數(shù)量是 1.6T（1.6 萬億），但每次推理只激活 49B（490 億）。這就是 MoE（混合專家）架構(gòu)的核心——模型里有大量"專家模塊"，每次只調(diào)用最相關(guān)的幾個來干活，其余的待命。

V4-Flash 更極端，總參數(shù) 284B，激活只有 13B，速度更快、成本更低。在簡單任務(wù)上和 Pro 版旗鼓相當(dāng)，高難度任務(wù)上有差距，但推理能力接近。對于大多數(shù)日常場景——寫代碼、做總結(jié)、知識問答——Flash 版完全夠用，而且快得多、便宜得多。

技術(shù)報告里還有幾個值得關(guān)注的細(xì)節(jié)：訓(xùn)練數(shù)據(jù)超過 32T token；優(yōu)化器用了 Muon，收斂更快、訓(xùn)練更穩(wěn)定；

強化學(xué)習(xí)階段采用 GRPO 算法（這個算法的提出者郭達雅，是 DeepSeek 前核心研究員，現(xiàn)已加入字節(jié)跳動）；還引入了 Engram 條件記憶模塊，在百萬 token 長度下的信息召回率達到 97%。

DS和華為撐起國內(nèi) AI 底座

回顧 DeepSeek 的發(fā)展歷程，你會發(fā)現(xiàn)這家公司一直在做同一件事：用最少的資源，把 AI 能力的門檻打到最低。

2023 年 7 月，DeepSeek 從量化私募幻方獨立出來，創(chuàng)始人梁文鋒帶著"技術(shù)浪漫主義"的標(biāo)簽開始做大模型。

2024 年，V2 讓行業(yè)意識到國產(chǎn)模型也能把性價比打到極致。緊接著 V3 在多任務(wù)上逼近 GPT-4 水平，API 價格直接屠榜。

2025 年 1 月，R1 發(fā)布，訓(xùn)練成本約 560 萬美元，性能逼近 OpenAI 的頂級系統(tǒng)，"用十分之一的錢做出同級模型"的故事震動全球，直接讓美股 AI 板塊集體跳水。

但 R1 之后的 15 個月，DeepSeek 沉默了。V4 從 2 月跳票到 3 月，從 3 月拖到 4 月，外界一度以為這家公司掉隊了。有媒體直接發(fā)了篇文章問："中國開源王者為何越來越慢？"

現(xiàn)在答案揭曉了。V4 遲到的核心原因，不是模型本身沒做好，而是一場底層硬件的大遷移。

多方信息顯示，V4 的技術(shù)架構(gòu)從英偉達 CUDA 全面轉(zhuǎn)向華為 CANN 框架。上海證券的研報指出，經(jīng)深度優(yōu)化后，V4 在昇騰 950PR 上的推理速度較初期版本提升了 35 倍，第三方評測顯示昇騰 950PR 單卡推理性能達到英偉達特供版 H20 芯片的 2.87 倍，華為 CANN 框架已實現(xiàn)超 95% 的 CUDA 代碼兼容，遷移時間從"按月計"縮短到"按小時計"。

這件事的意義遠超一個模型的發(fā)布。英偉達 CEO 黃仁勛在 Dwarkesh Podcast 上直言，DeepSeek 在華為芯片上優(yōu)化 V4 對美國而言是"a horrible outcome"。 他擔(dān)心的不是某一款芯片被替換，而是"開源模型必須以 CUDA 為首要優(yōu)化目標(biāo)"這條默認(rèn)規(guī)則出現(xiàn)了第一個另類。

DeepSeek 和華為，一個做模型，一個做芯片，正在嘗試共同撐起一套完整的國產(chǎn) AI 底座。

所以，真的能替代御三家了嗎？

把評測數(shù)據(jù)攤開來看，在大多數(shù)實際應(yīng)用場景里，V4 已經(jīng)具備了替代的能力。

編程和代碼智能體，V4-Pro 在 LiveCodeBench 和 Codeforces 上直接超過了 Opus 4.6 和 GPT-5.4。

日常的代碼生成、代碼審查、Bug 修復(fù)，用 V4 完全沒問題。數(shù)學(xué)和 STEM 推理，V4-Pro 和閉源頂級模型的差距已經(jīng)縮小到了兩三個百分點以內(nèi)，對于絕大多數(shù)非競賽級的推理任務(wù)來說，這個差距在實際使用中幾乎感知不到。

中文場景下的知識問答，V4-Pro 的 Chinese-SimpleQA 得分 84.4%，超過 Opus 和 GPT，僅次于 Gemini，對于國內(nèi)用戶來說這個優(yōu)勢非常實在。

Agent 任務(wù)，SWE-bench 和 MCPAtlas 評測上 V4-Pro 和 Opus 4.6 幾乎打平，而且 V4 專門針對 Claude Code、OpenClaw 等主流 Agent 工具做了適配，遷移過去幾乎零成本。

當(dāng)然，差距依然存在。Opus 4.6 在長上下文的"大海撈針"能力上仍然是最強的（MRCR 1M 拿了 92.9 分，V4 是 83.5）。

Gemini-3.1-Pro 在世界知識儲備上依然是無可爭議的第一（SimpleQA 75.6% vs V4 的 57.9%）。

GPT-5.4 在部分極端推理任務(wù)上仍有優(yōu)勢。

如果你的業(yè)務(wù)場景恰好卡在這些差距點上——比如需要在百萬 token 里精準(zhǔn)定位極細(xì)粒度的信息，或者需要覆蓋極其冷門的世界知識——那閉源模型暫時還有不可替代的價值。

但對于絕大多數(shù)真實的工作場景來說，這些差距已經(jīng)不構(gòu)成選擇閉源的理由了。尤其是當(dāng)你把價格因素算進去——V4 的 API 成本大約是 Opus 的 1/16、GPT-5 的 1/18——用十幾分之一的價格拿到 95% 以上的效果，這筆賬太好算了。

更重要的是，V4 還只是預(yù)覽版。技術(shù)報告的標(biāo)題寫的是"Towards Highly Efficient Million-Token Context Intelligence"——"邁向"，說明正式版還有提升空間。

回想 15 個月前 R1 發(fā)布時，"用 560 萬美元訓(xùn)練成本打出接近 OpenAI 的效果"震動了全球。這一次 V4 的沖擊波可能更大——它證明的不只是"中國能做好模型"，而是"中國能在自己的硬件上做好模型，并且讓所有人都用得起"。 15

DeepSeek 在發(fā)布公告最后引用了荀子的一句話："不誘于譽，不恐于誹，率道而行，端然正己。"