等了将近半年临高橡塑胶，DeepSeek-V4 终于来了。

4月24日，DeepSeek通过官微宣布V4的预览版本正式上线并同步开源。

在这代模型中，DeepSeek出了两个版本：拥有1.6T参数（49B激活）的Pro版本，以及284B参数（13B激活）的Flash版本 。而且，两款模型均原生支持100万token的长上下文。

与此同时，DeepSeek也发不了份长达53页的技术报告，详细介绍了新模型的技术细节。

为了体验新模型的能力与特质，我用网页版跑了下自己熟悉的场景（读报告与写稿）。就体感来说，此前被普遍提及的个问题——网页版快速模式与模式分层的果不明显，从输出结果来说依然不分存在。虽然模式对报告的解读细致，稿件体量庞大，而且调用了很多外部信息，看起来十分努力，但如果从成文的立意、逻辑、华彩段落等评价来看，仍法说与快速模式有质的差异。

而在部分场景中，模式明显开启了“度求索”模式，甚至“自己跟自己较劲”，花去大量时间解决看似不复杂的问题。快速模式则仍会相对快地处理各类任务。不过，问题是，模式是否能理选择在什么情况下进行“度求索”呢？目前，针对些并不复杂的要求，比如将不同风格的文字进行统等，模式可能会花费两分钟来输出个不到200字的内容。而且，在目前的尝试中还不能确定其启动“度求索”的契机和逻辑，但如果是追问，大概率模式要比次提问耗费多时间，体感上比V4新前的时长差距为明显。

当然，仅从解读报告和稿件写作的角度，DeepSeek输出的结果（尤其是中文模型），看起来仍先大多主流模型，V4新后似乎能感觉出来其提炼能力、解读能力有所提升，明显错误则在减少。而这背后，与其在技术架构和Agent能力面的探索也紧密相关。

三大技术突破：混注意力架构、mHC与Muon

技术报告发布后，引起多反响的当属V4对“长文本率”的压榨。而在这背后，主要得益于其三大技术突破：混注意力架构（CSA + HCA）、流形约束连接（mHC）与Muon优化器。

·解耦注意力，从“逐字背诵”到“记+跳读”

传统Transformer模型处理长文本有个致命弱点：文本长度每增加倍，所需的计和显存资源呈平飙升，就像要求个人把整本书字不差地背下来。

V4的解法是“混注意力架构”，它把两套技巧结起来。

其中，CSA（压缩稀疏注意力）对已读取的内容，只保留度压缩的记忆缓存，并采用跳读式的稀疏计，大幅省掉冗余运。

而HCA（重压缩注意力）则对相隔很远的段落间的关系，再做次度压缩，进步削减显存占用。

从技术报告给出的果来说临高橡塑胶，在100万token下，V4 Pro的单次理计量仅为前代的27，显存缓存占用仅10。简单说，以前处理篇百万字小说又贵又慢，现在可以经济实惠地日常使用。

·流形约束，止层网络的“信息传丢”

V4在架构层面的核心创新——“流形约束连接（mHC）”，同样令人瞩目。该技术此前已于今年1月1日以论文形式发布。

在目前市面上主流的大模型架构中，层与层之间传递信息就越像场“传话游戏”——层数越多，原始信息越容易衰减和稀释。传统残差连接只能机械叠加，缓解有限。

mHC对此的解题思路很明确，在特殊几何空间中约束信息流动的向，让每层都能地汲取前面所有层的关键特征，而不是糊在起。该技术此前已于今年1月以论文形式公开。

奥力斯    万能胶生产厂家    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

从目前看到的果来说，模型的训练稳定与收敛速度的确得到了显著提升，等于为大规模模型训练搭建了条、不易出错的信息通道。

·全新优化器与大规模数据，拓宽能力边界

为预训练时，模型调参依赖“优化器”来指向。

为了进步加速训练进程，V4弃用了此前主流的AdamW，改用全新的Muon优化器，后者在收敛速度、训练平稳度上表现优，特别适大规模参数。配总量达32万亿token的预训练数据，模型的能力边界被进步拓宽。

正是这套组拳，使得即使是参数规模巨大的Pro版本，理开销也降到了低成本区间。目前看来，PVC管道管件粘结胶这将实质动长文档分析、复杂代码理解及多轮度对话等应用从“能用”走向“好用”。

进击的Agent能力

技术创新动着能的再次大幅跃升。

在本次发布中，Agent能力被置于战略度进行优化和评测。

技术报告显示，为让模型具备解决真实世界中长周期、多步骤任务的能力，DeepSeek开发了套新的后训练范式：先立培养数学、编程、指令遵循等多个“域”临高橡塑胶，再通过“在策略蒸馏（OPD）”并为个统模型。报告称，V4-Pro在Agentic Coding评测中已达到开源模型佳水平。

DeepSeek官发布的系列硬核跑分数据也印证了技术路线的有。其多个指标过或逼近了GPT-5.4、Claude Opus 4.5和Gemini 3.1 Pro等顶闭源模型的水平。在份针对内部85名研发工程师的调研中，过半的受访者表示，愿意让V4-Pro成为自己日常编程工作的选模型。不过，技术报告也坦诚指出，在广泛的世界知识与部分复杂Agent任务上，V4距顶的闭源模型仍有约3至6个月的差距，这为下阶段迭代明确了向。

值得注意的是，在V4发布前，OpenAI的GPT-5.5和Anthropic的Claude Opus 4.7也相继亮相。

因为V4在技术报告中对比的还是前代产品，所以我们也结三款新模型进行了次迭代对比。

对比来看，GPT-5.5致力于做Agent时代的基础操作系统，其整体能仍然称，有强大的自主任务执行能力（能自主执行任务7小时），但成本，输出每百万词元成本达30美元。

Claude Opus 4.7则仍在编程测试中折桂，定位偏向靠谱的生产力助手，强场景式限编程和长程任务，能解析2576像素图像并可靠运行长链路任务，但其价格仍然很。

而DeepSeek-V4则以约九分之价格、标配百万词元上下文和唯开源生态出重围，价比，而且也依然是强开源模型。不过，DeepSeek仍然没有集成多模态，仍然走在纯文本的道路上。这与前两者亦有了明显不同。

从这三个模型的对比可以看出，大模型正在从“通用能力PK”走向“场景聚焦”。没有款模型能搞定所有事情，每都在找自己的主战场。

对用户来说，这意味着选型逻辑要变了——不再是“哪个强”，而是“哪个场景适我”。

国产力适配，价格战2.0的前夜

在DeepSeek此次发布V4的文章和报告中，有个细节尤其值得注意。

在给出模型Token价格的同时，DeepSeek附上了依据说明：受限于端力，目前Pro的服务吞吐十分有限，预计下半年昇腾950节点批量上市后，Pro的价格会大幅下调。

结此前DeepSeek与国产芯片度适配的相关信息，这句话背后隐藏着远的产业信号。

先，它证实了国产大模型在“力自主”上的真实困境与突破路径。

目前Pro版本吞吐有限，反映出当前市场主流的力资源（论是存量的顶芯片，还是替代案）在应对V4这种大规模Mixture-of-Experts（MoE）模型的理请求时，仍面临显存带宽或通信延迟的挑战。

其次，DeepSeek对“昇腾950节点”的明确提及，实际上是对华为昇腾平台软硬体适配能力的“背书”。

在报告中，DeepSeek提到他们已经针对华为昇腾（Huawei Ascend）平台验证了精细化的并行（EP）通信案。他们开发的MegaMoE2融内核，通过计、通信和内存访问的全重叠（Full Overlap），在昇腾平台上实现了1.5倍至1.7倍的理加速。

这释放了三个关键的解读信号：

1、力底座的切换完成：DeepSeek不仅在训练中使用了国产力，在理架构上度适配了华为的底层生态。这意味着，即便在全球供应链波动的端情况下，DeepSeek-V4依然具备大规模部署的能力。

2、“节点”带来的理革命：所谓的“昇腾950节点”，其核心价值在于通过速的互联协议（类似NVLink）解决了MoE模型在跨卡通信时的巨大延迟。旦批量上市，DeepSeek-V4那27的单token FLOPs优势将转化为实实的吞吐量，从而带动理成本的直线下降。

3、二次价格战的核弹：DeepSeek曾以“分钱买百万token”开启了大模型价格战。而这次，随着国产力能的爆发，Pro别的模型可能会降至目前轻量模型的价格区间。这对于国内众多的SaaS公司和Agent开发者来说，异于场普惠的及时雨。

通过此次发布来看，DeepSeek的模型迭代路线已较为清晰：它不再谋求参数规模的对先，而是通过原创架构和系统创新，在率、成本与智能三者之间建立新的平衡。

从某种意义上，这也标志着国产大模型从“追赶者”变成了“规则制定者”。

当然，它也不是的。限编程、长理、多模态这些场景，Claude和Gemini仍然是好的选择。

随着模型权重登陆 Hugging Face 并向社区开放，V4 所承载的技术路径——长上下文、国产力适配、Agent 原生优化——正在重新定义开源大模型的能力边界。

至于这条路径能否终通向AGI，或许要等待下代模型才能给出新的答案。

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述临高橡塑胶，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。