DeepSeek-V4发布！高效百万上下文智能普惠时代来了

架构与优化的关键突破

　　DeepSeek-V4 系列，在架构与优化方面实现了多项关键升级。其中最重要的3项是：

1. 混合注意力架构：一种结合压缩稀疏注意力（Compressed Sparse Attention, CSA）与重度压缩注意力（Heavily Compressed Attention, HCA）的混合注意力机制，显著提升了长上下文处理效率。

　　在百万 token 上下文场景下，DeepSeek-V4-Pro 相比 DeepSeek-V3.2 仅需 27% 的单 token 推理 FLOPs 和 10% 的 KV 缓存。

2. 流形约束超连接（Manifold-Constrained Hyper-Connections, mHC）：mHC 引入，增强了传统的残差连接，在保持模型表达能力的同时，提升了跨层信号传播的稳定性。
3. Muon 优化器：Muon 优化器以实现更快的收敛速度和更高的训练稳定性。

　　过去，处理超长文本需要海量计算，而 DeepSeek-V4 的核心技术革新，让模型处理文本时会区分信息的轻重缓急，进行选择性计算，将处理百万 Token 的算力消耗与 KV 缓存占用大幅降低。

　　这使得开源社区，以前因成本问题而难以规模化应用的场景被彻底打开。开发者现在可以一次性让 AI 分析整个代码仓库，企业能低成本地上传海量文档进行深度分析，学术界也能将整部著作交给 AI，以此解锁更多创新应用。

　　DeepSeek 宣布“从现在开始，1M 上下文将是 DeepSeek 所有官方服务的标配”，晰地定下了新基调。过去需要高价购买或额外申请的能力，现在已成了开源社区的默认配置。

　　DeepSeek V4-Flash 版本的 API 输出定价仅为 2 元人民币/百万 token（约 0.3 美元），而就在前一天，OpenAI 发布的 GPT-5.5 定价为 30 美元/百万 token，高达百倍的差价。

　　现在，个人开发者和中小企业也能以极低成本调用顶尖模型，打破了成本壁垒。

　　而且，DeepSeek-V4已全面适配国产芯片。开源社区摆脱了单纯依赖英伟达CUDA生态，开启探索自主可控的多元化算力时代。

模型版本参数配置

　　DeepSeek-V4 系列预览版本，包含两款强大的混合专家（Mixture-of-Experts, MoE）模型。

　　DeepSeek-V4-Pro（总参数量 1.6T，激活参数量 49B）和 DeepSeek-V4-Flash（总参数量 284B，激活参数量 13B），二者均支持 百万 token 的上下文长度。

　　其中基础版采用 FP8 精度，指令微调版是 FP4 + FP8 混合（MoE 专家参数使用 FP4 精度，其余大部分参数使用 FP8）。

　　与前代相比，即使是 284B 的 Flash 版，性能也全面提升。

　　指令微调版，DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 均支持三种推理强度模式。

　　相同推理模式下，DeepSeek-V4-Flash 相比 DeepSeek-V4-Pro，性能差距很小，价格却低了十多倍（输出），这对日常任务使用和开源社区，简直就是宝藏模型。

性能比肩顶级闭源模型

　　DeepSeek-V4-Pro-Max 性能，与世界顶级闭源模型的差距已经很小。

　　相比前代模型，DeepSeek-V4-Pro 的 Agent 能力显著增强。

　　在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。

　　官方表示，目前 DeepSeek-V4 已成为 DeepSeek 公司内部员工使用的 Agentic Coding 模型，评测反馈使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式。

　　DeepSeek-V4-Pro 在世界知识测评中，大幅领先其他开源模型，仅稍逊于顶尖闭源模型 Gemini-Pro-3.1。

　　在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro 超越当前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。

　　DeepSeek-V4 还针对 Claude Code 、OpenClaw、OpenCode、CodeBuddy 等主流的 Agent 产品进行了适配和优化。

　　DeepSeek-V4 上线，将成为开源社区百万长上下文和高性能 Agent 两大未来趋势有力推动者。它通过架构创新，在不牺牲性能的前提下，极大降低大模型的门槛。