DeepSeek-V4：新一代大语言模型发布

DeepSeek-V4作为新一代开源大语言模型，以百万Token超长上下文、CSA+HCA混合注意力架构和双版本（Pro/Flash）设计实现性能与效率的双重突破：它在世界知识（SimpleQA 57.9%）、中文理解（84.4%）、数学与代码竞赛（Codeforces 3206分）、Agent工程能力（SWE Verified 80.6%）等关键指标上全面领跑开源阵营，逼近甚至局部超越Gemini-3.1-Pro、GPT-5.4与Claude Opus等顶级闭源模型，同时API成本低至竞品的1/12，并完全开源权重与技术细节——这意味着开发者无需妥协于性能或预算，即可获得真正普惠、可部署、可定制的下一代AI基础设施。

DeepSeek-V4是什么

DeepSeek-V4是DeepSeek推出的新一代大语言模型系列预览版，拥有百万字超长上下文窗口，在Agent能力、世界知识与推理性能方面达到开源领域领先水平。模型包含deepseek-v4-pro 和 deepseek-v4-flash 两个版本，分别定位高性能与经济高效，均已开源并提供API服务，支持非思考与思考双模式，为长文本处理与智能体应用提供普惠化基础设施。

DeepSeek-V4的主要功能

• 百万上下文处理：原生支持1M Token超长文本理解与记忆，为官方服务标配。
• 混合注意力机制：CSA与HCA架构大幅降低长上下文计算与显存开销。
• Agent编码增强：针对Claude Code、OpenClaw等主流Agent框架深度优化。
• 双模式推理：支持非思考与思考模式，后者可通过reasoning_effort参数调节强度。
• 多领域专家融合：通过OPD蒸馏整合数学、代码、Agent等领域专家能力。
• 经济高效选择：Flash版本用更低参数实现接近Pro的推理性能，API成本显著降低。

DeepSeek-V4的技术原理

• CSA压缩稀疏注意力：将每m个token的KV压缩为1个条目，通过Lightning Indexer计算索引分数并执行Top-k稀疏选择，结合滑动窗口与Attention Sink机制保留局部依赖。
• HCA重度压缩注意力：以更大压缩比m’将KV条目合并为单个条目，保持密集注意力而不采用稀疏选择，进一步降低计算量。
• mHC流形约束超连接：将残差映射矩阵通过Sinkhorn-Knopp算法投影到双随机矩阵流形，约束谱范数不超过1，增强深层信号传播稳定性。
• Muon优化器：模型采用混合Newton-Schulz迭代对梯度矩阵进行正交化，分快速收敛与精确稳定两个阶段，支持大规模MoE高效训练。
• FP4量化感知训练：对MoE专家权重和CSA索引器QK路径进行FP4量化，用FP8扩展动态范围实现无损反量化，降低内存与计算开销。

DeepSeek-V4的性能体现

• 知识能力
  • 世界知识领先开源：SimpleQA-Verified达57.9%，超越所有已评测开源模型20个百分点，仅稍逊于Gemini-3.1-Pro（75.6%）。
  • 中文知识突出：Chinese-SimpleQA达84.4%，大幅领先K2.6（75.9%）与GLM-5.1（75.0%）。
  • 教育知识接近前沿：MMLU-Pro 87.5%、GPQA Diamond 90.1%，与GPT-5.4持平，略低于Gemini-3.1-Pro。
• 推理与代码能力
  • 数学竞赛比肩闭源：HMMT 2026 Feb达95.2%，IMOAnswerBench达89.8%，超越K2.6与GLM-5.1，接近GPT-5.4与Opus-4.6。
  • 代码竞赛首次开源追平闭源：Codeforces Rating达3206，与GPT-5.4（3168）相当，当前排名人类选手第23位。
  • 高难度推理突破：Apex Shortlist达90.2%，超越GPT-5.4（78.1%）与Opus-4.6（85.9%）；LiveCodeBench达93.5%，领先所有对比模型。
• Agent能力
  • 软件工程接近顶级闭源：SWE Verified达80.6%，与Opus-4.6（80.8%）基本持平；SWE Pro 55.4%、SWE Multilingual 76.2%。
  • 终端操作领先开源：Terminal Bench 2.0达67.9%，超越K2.6（66.7%）、GLM-5.1（63.5%）与Opus-4.6（65.4%）。
  • 工具调用泛化优秀：MCPAtlas Public 73.6%、Toolathlon 51.8%，在包含广泛工具和MCP服务的评测中表现突出。
• 长上下文能力
  • 百万上下文检索强劲：MRCR 1M达83.5%，超越Gemini-3.1-Pro（76.3%）；128K内检索性能高度稳定，1M时仍保持较强能力。
  • 真实场景长文档理解：CorpusQA 1M达62.0%，优于Gemini-3.1-Pro（53.8%）。
• 效率表现
  • 计算量断崖式下降：1M上下文下，V4-Pro单Token推理FLOPs仅为V3.2的27%，V4-Flash仅为10%。
  • KV缓存大幅压缩：1M上下文下，V4-Pro累计KV缓存为V3.2的10%，V4-Flash仅为7%。
  • 路由专家FP4量化：专家权重采用FP4存储，未来硬件上理论可再提升1/3效率。

如何使用DeepSeek-V4

• 网页端/App：访问DeepSeek官网或官方App，选择专家模式（Pro）或快速模式（Flash）。
• API调用：修改model参数为deepseek-v4-pro或deepseek-v4-flash，base_url保持不变。
• 思考模式：复杂Agent场景建议启用思考模式并设置reasoning_effort: max。
• 本地部署：通过Hugging Face或ModelScope下载开源权重自行部署。

DeepSeek-V4的关键信息和使用要求

• 版本规格：Pro版1.6T参数/49B激活，Flash版284B参数/13B激活，预训练数据分别为33T与32T。
• 上下文长度：两个版本均支持1M Token，旧接口deepseek-chat与deepseek-reasoner将于2026-07-24停用。
• API定价（每百万Token）：Pro输入缓存命中1元/未命中12元，输出24元；Flash输入缓存命中0.2元/未命中1元，输出2元。
• 算力限制：Pro版当前服务吞吐有限，预计下半年昇腾950超节点批量上市后价格将大幅下调。

DeepSeek-V4的核心优势

• 百万上下文普惠化：1M Token超长上下文成为官方服务标配，突破传统注意力机制的二次计算瓶颈，使长文本任务与测试时缩放真正可行。
• 极致长上下文效率：通过CSA压缩稀疏注意力与HCA重度压缩注意力的混合架构，1M上下文下V4-Pro的单Token推理FLOPs仅为V3.2的27%，KV缓存仅10%，Flash版更是低至10%与7%。
• 开源模型性能新标杆：V4-Pro-Max在知识、推理、代码竞赛等评测中全面领先前代开源模型，Agent编码能力内部评测优于Claude Sonnet 4.5，交付质量接近Opus 4.6非思考模式。
• 双版本灵活覆盖：Pro版（1.6T/49B）定位顶级性能，Flash版（284B/13B）以极小激活参数实现接近的推理能力，API价格低至Pro的1/12，普惠不同预算场景。
• Agent能力原生增强：针对Claude Code、OpenClaw等主流Agent框架专项优化，支持跨用户消息边界的连贯推理保留，在SWE、Terminal Bench等Agent评测中表现优异。

DeepSeek-V4的项目地址

• HuggingFace模型库：http://huggingface.co/collections/deepseek-ai/deepseek-v4
• 技术论文：http://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf

DeepSeek-V4的同类竞品对比

DeepSeek-V4的应用场景

• 长文档分析：支持百万字级论文、报告、法律合同的全文理解与跨章节推理。
• 智能体编码：在Claude Code、OpenClaw等框架中执行复杂代码生成、重构与调试任务。
• 多轮工具调用：在Agent工作流中保留完整推理历史，支持跨用户消息边界的连贯思考。
• 知识密集型问答：在世界知识评测中大幅领先开源模型，适用于教育、科研与专业咨询。
• 白领办公任务：模型在中文写作、信息分析、文档生成与编辑等场景表现优异。

今天带大家了解了的相关知识，希望对你有所帮助；关于科技周边的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~