DeepSeek V4的发布不仅是一次技术迭代，更是一场AI行业的降维打击。1.6T参数的MoE架构、100万token上下文的高效处理、MIT协议开源，再加上仅为竞品1/7的定价策略，这款中国AI大模型正以颠覆性的技术架构和商业逻辑重新定义行业标准。本文将从模型架构、训练方法到地缘政治影响，全面解析V4如何改写AI竞争格局。

4月24日，DeepSeek把V4发出来了。

等了快一年半。

从去年1月R1横空出世，到现在V4preview上线，中间隔了整整15个月。这15个月里DeepSeek几乎没什么大动静，偶尔发几个小更新，然后继续沉默。外面传V4要来的消息从今年1月开始就没断过，一拖再拖，拖到4月才算是真正落地。

我在它发布当晚就把技术报告翻了一遍，用了一天时间跑了一些测试。

这篇文章，是我目前能给出的最诚实的判断。

不吹，不黑，就是说我看到的东西。

先把它到底是什么说清楚

V4这次发布了两个模型，V4-Pro和V4-Flash。

V4-Pro是旗舰，1.6T总参数，每次推理激活49B。V4-Flash是效率版，284B总参数，激活13B。两个都支持100万token上下文，都走MIT协议开源，Hugging Face上直接可以下载。

这里有个数字我觉得很多人没理解清楚，1.6T参数和49B激活到底意味着什么？

MoE架构的核心逻辑是，模型里有大量”专家”，但每次处理一个token的时候，只有其中一小部分被激活。所以V4-Pro虽然总参数量是1.6T，实际上跑起来的计算量，是按49B这个规模来走的。这就是为什么它能在效率上远超同参数量的Dense模型。

打个比喻，就像一家有1600个员工的公司，但每次完成一个任务只需要调49个人，其他人待机。

V4-Pro在Hugging Face上的权重文件是865GB，V4-Flash是160GB。如果你有128GB内存的MacBook，Flash版可能跑得起来，Pro版……理论上能从磁盘流式加载专家，但这个体验不会太好。

这次最核心的技术突破是什么

说实话，V4这次最让我眼前一亮的地方不是参数规模，是它怎么解决长上下文的效率问题。

大家都知道100万token的上下文不是什么新鲜事，Gemini很早就支持了，Claude也一直在做长上下文。但这里有个巨大的坑，叫做注意力机制的二次方复杂度，context越长，计算量按平方增长，不是线性，是平方。这意味着把上下文从10万扩到100万，计算量理论上会变成100倍。

所以大多数公司的百万上下文，是一个”能用但很贵”的功能，真正大规模调用起来会让账单爆炸。

DeepSeek V4做的事情，是从架构层面把这个问题切掉了。

他们用了一套叫混合注意力机制的东西，把两种新型注意力交织在一起。

第一种叫CSA（压缩稀疏注意力）

传统注意力是每个token要跟序列里所有其他token算相关性，CSA的思路是先把KV缓存沿序列维度压缩，V4的压缩率是4倍，然后用一个”索引器”给每次查询挑出最相关的top-k个压缩条目来做注意力。V4-Pro每次选1024个，V4-Flash选512个。同时保留一个128 token的滑动窗口，确保局部上下文不会被遗漏。

第二种叫HCA（强压缩注意力）

如果说CSA还算精细化处理，HCA就是粗暴压缩了，压缩率128倍，把大量token合并成一个条目，然后在这个高度压缩的表示上做稠密注意力。这让模型用极低的算力代价，获得对整个超长序列的一个全局感知。

CSA和HCA交替分布在模型的不同层里。V4-Pro从HCA层开始，V4-Flash前两层用滑动窗口，然后交替进行。这样模型在每一层都能在”精准的稀疏查找”和”粗糙的全局视角”之间动态切换，而不是非此即彼。

结果就是，100万token上下文下，V4-Pro的单token推理算力只有V3.2的27%，KV Cache只有10%。

相同上下文长度，计算量降到了27%，内存占用降到了10%

这不是小优化，这是架构层面的降维。这意味着100万token的上下文，在V4上变成了一个经济上可行的日常功能，而不是只有土豪客户才能烧得起的premium特性。

然后还有第三个架构创新，叫mHC（流形约束超连接）。

这个是训练稳定性方面的东西。标准Transformer里的残差连接，就是把层的输入直接加到层的输出上，这个设计在浅层网络里没问题，但在极深的模型里，信号传播会出现不稳定，放大、震荡、训练崩溃。

mHC的做法是把残差连接投影到一个叫Birkhoff多胞形的数学流形上，用Sinkhorn-Knopp算法来强制满足双随机矩阵的约束，把谱范数限制在≤1。

听起来很抽象，翻译成大白话，不用mHC的时候，DeepSeek自己的27B实验里出现了3000倍的信号放大，训练直接崩了，用了mHC之后，放大倍数降到1.6倍，在1.6T参数规模下依然稳定训练。

这个东西已经被IBM、Fireworks AI和多个研究团队标记为”深度网络训练稳定性的基础性贡献”，未来可能影响远不止注意力机制。

最后是Muon优化器

过去大家训练大模型基本都用AdamW，DeepSeek V4换成了Muon。Muon的核心原理是用Newton-Schulz迭代近似地把梯度更新矩阵正交化，然后再应用为权重更新。实际效果是更快收敛、训练更稳定，在1.6T这个量级上，优化器的稳定性是catastrophic failure和正常训练之间的差别。

所以V4这次的架构不是”更大的V3″，是在注意力、残差连接和优化器三个层面都做了实质性的重构。

训练方法上也有一个值得注意的变化

V4的后训练管线跟之前不太一样。

它用的是两阶段方法，先分培，再合并。

第一阶段，针对每个专业领域单独培养专家模型，数学专家、代码专家、Agent任务专家、通用指令专家，每个专家先做SFT精调，然后用GRPO（一种强化学习技术，之前R1就用过）在领域专属的奖励模型下做RL训练，让每个专家在自己的领域里先练到极限。

第二阶段，用OPD（On-Policy Distillation，策略蒸馏）把所有专家的能力整合进一个统一模型。

OPD和普通蒸馏有个本质区别，普通蒸馏是学生直接模仿老师的输出，OPD是学生先自己生成回答，然后10个专家老师来评判和纠正，学生从这个feedback里学习。

这个流程的好处是什么？

传统多能力联合训练有一个臭名昭著的问题，叫知识干扰，数学的逻辑严谨性和创意写作的灵活性互相打架，代码的确定性思维和通用推理互相妥协，最终训出来的是一个到处都还可以，但哪里都不极致的模型。

V4的两阶段方法先让每个能力跑到天花板，再整合。从benchmark结果来看，这个思路是有效的。

这里有一个美中不足，DeepSeek在技术报告里自己承认了，V4用了10个老师模型的输出来做OPD。OpenAI和Anthropic已经公开指控，中国AI公司包括DeepSeek，通过2.4万个欺诈账号跑了1600万次对话，涉嫌从Claude等模型里非法蒸馏能力。美国白宫在V4发布前一天（4月23日）专门发了个备忘录，称”工业规模级”的能力窃取是国家安全威胁。

DeepSeek没有直接回应这个指控，中国外交部称这是”对中国AI成就的污蔑”。

这条线没定论，但它会是V4后续生命周期里绕不开的阴影。

Benchmark到底说明了什么，又不说明什么

先把数字摆出来。

V4-Pro-Max的成绩单，GPQA Diamond 90.1，GSM8K 92.6，MMLU Pro 87.5，LiveCodeBench 93.5（这是新的开源模型最高分），Codeforces评级3206（在人类参赛选手里排名第23位）。

跟闭源模型比，与Claude Opus 4.6、GPT-5.4在编程benchmark上基本持平，在SWE-bench Verified上拿了80.6%，跟Claude Opus 4.6只差0.2个点。

这些数字看起来很猛，但有几个地方需要冷静看。

第一，”V4-Pro-Max”这个模式是最大推理预算下的结果，不是日常使用状态。

V4提供三个推理模式：Non-Think、Think High、Think Max。同一个模型，HLE（超高难度基准）这个benchmark，Non-Think模式下7.7分，Max模式下37.7分，差了将近5倍。

benchmark上晒的数字是Max模式，实际API调用成本和速度会有很大差异，不是一回事。

第二，知识类任务还是有差距。

DeepSeek自己的技术报告里承认，V4″落后最先进前沿模型大约三到六个月”。在知识密集型benchmark上，V4-Pro-Max仍然落后于Gemini 3.1 Pro。MMLU-Pro、SimpleQA、GPQA Diamond、HLE，这几个任务代表的是广博的世界知识积累，参数量越大优势越明显，Gemini目前还是压着V4的。

第三，超长上下文的检索质量有天花板。

100万token的理论很美，现实是在MRCR测试里，超过128K token之后检索准确率开始下降，到100万token的时候只有66%。这不是废了，但离”完美处理100万token”还有差距。用来做全书代码库理解可以，用来做精确法律文档检索的话要谨慎。

第四，V4-Pro和V4-Flash的差距比你想的小。

在同等推理预算下，Flash-Max在推理类benchmark上的成绩非常接近Pro-Max，差距只有1到2个点，但API成本是Pro的12分之一。如果你的业务不需要极致的知识广度，Flash-Max可能是性价比最炸裂的选择。

价格这把刀，每次都往行业心脏捅

这个环节我有点语言匮乏，因为DeepSeek的定价逻辑已经不能用”便宜”来形容了，这是真不要钱。

V4-Flash，输入$0.14/百万token，输出$0.28/百万token。

V4-Pro，输入$1.74/百万token，输出$3.48/百万token。

对比一下

GPT-5.4和Claude Opus 4.6的输出价格是$25到$30/百万token。

V4-Pro是$3.48。

相同编程benchmark性能，V4-Pro比Claude Opus 4.6便宜7倍以上。

V4-Flash比GPT-5.4 Nano还便宜，是目前价格最低的小型前沿模型。

还有一个细节更厉害，DeepSeek说等华为Ascend 950处理器今年量产规模上来之后，V4-Pro的价格还会进一步降低。

这意味着什么？

意味着当其他公司在想怎么给高质量API涨价的时候，DeepSeek在想怎么继续降。商业逻辑完全不在一个维度上。

当然，价格极低背后也有代价。DeepSeek需要高度依赖国产芯片基础设施来控制成本，这条路走得通的前提，是华为的算力规模真的能跑起来。

那个房间里的大象，芯片和地缘政治

这次V4发布，一个巨大的背景是华为芯片。

彭博今天（4月26日）报道，V4发布推迟了好几个月，原因是DeepSeek花时间重构了底层软件栈，目标不只是让模型在华为Ascend芯片上”能跑”，而是做到硬件级别的调优，针对华为架构专门优化内存访问、算子排布。

华为在V4发布当天官方确认，他们的AI集群可以支持V4运行。

半导体制造国际公司（SMIC）的股价当天涨了10%，因为SMIC是华为Ascend处理器的制造商之一。

这个信号的意义远超AI本身，如果DeepSeek真的能在没有Nvidia最先进芯片的情况下训出并跑通一个前沿大模型，那整条美国芯片禁运，中国AI发展受限的逻辑链就被打穿了。

当然，现在还有很多没说清楚的问题。

华为芯片在训练里到底用了多少，跟Nvidia的比例怎么分？Huawei Ascend 950PR的2.87倍H20性能宣传，实际用在大规模训练里表现怎么样？这些数据DeepSeek没有公开，从芯片消耗推算的独立验证也没有出来。

但方向是明确的，中国正在有意识地构建一套平行的AI基础设施，DeepSeek是这套基础设施的主要模型供应商。这件事，比任何benchmark数字都更重要。

它的短板，技术报告自己说了

值得称赞的是，DeepSeek的技术报告对V4的局限性写得相当坦诚，没有一味吹。

第一个问题，架构太复杂了。

为了控制风险，V4在CSA、HCA、mHC、Muon、FP4这些新创新上，保留了大量V3已经验证过的组件。技术报告里原话是，现在的架构相对复杂，下一代会试图把架构精简到最本质的设计。这话翻译过来就是，现在的V4有点像一辆为了装各种新功能而越来越重的改装车，还没做到优雅。

第二个问题，训练稳定性原理没完全搞懂。

他们用了两个新技术来解决训练不稳定的问题，Anticipatory Routing和SwiGLU Clamping，在实践里管用，但技术报告里承认”背后的底层原理还理解得不够充分”，称训练稳定性是”待研究的基础性问题”。工程上解决了，学术上还没解释清楚。

第三个问题，没有多模态。

这是最明显的缺口。GPT-5.4、Gemini 3.1、Claude Opus 4.6，都深度支持图像、视频等多模态输入，V4还是纯文本。

DeepSeek说在”积极开发”多模态能力，但当前版本不支持。有消息说多模态被推迟，是因为算力和资金压力，而DeepSeek在4月中旬刚刚开放了外部融资窗口，这个时间节点挺耐人寻味的。

DeepSeek之前做过大量视觉语言模型相关的研究，包括DeepSeek OCR，所以多模态技术储备不是没有，是优先级排序的问题。但这意味着，现阶段如果你的业务需要处理图片、视频，V4帮不上忙。

第四个问题，不是R1，没有新叙事。

R1在2025年1月的出圈，是它颠覆了一个认知，花极少的钱、用受限的芯片，一样能训出顶级推理能力。这个故事让整个AI行业的底层逻辑被重写，大家都傻眼了。

V4的故事是什么？更大、更便宜、上下文更长、架构更优雅。这些都是真的，但它是在一个已经被确立的认知框架里继续进化，没有打破新认知。

Morningstar的分析师Ivan Su说：市场已经把”中国AI既有竞争力又便宜”这个结论消化完了，V4的发布不会再引发类似R1的冲击。

V4在行业里的位置在哪里

先说开发者和企业用户，V4-Flash是目前市场上性价比最高的前沿小模型，没有之一。

13B激活参数，100万token上下文，Max模式推理能力接近Pro，输出只要$0.28/百万token。对于需要大量调用API的代码生成、文档处理、Agent工作流，Flash就是现在的首选。

V4-Pro针对Claude Code、OpenClaw等主流Agent框架做了专项优化，在Agentic Coding benchmark上是开源SOTA。如果你在搭一套重度代码Agent，把Pro替换进去是值得测试的。

再说行业竞争格局，V4让中国开源AI赛道的竞争框架发生了变化。

R1时代，DeepSeek是挑战者，对手是GPT和Claude这些闭源模型。V4时代，DeepSeek开始把阿里的Qwen、字节跳动的Seed、MiniMax、Moonshot这些国内对手列为直接竞争者——这个定位的变化，说明国内AI竞争已经进入了白热化阶段。

V4发布当天，MiniMax、Zhipu（知乎）的股价分别跌了约8%，Manycore Tech跌了9%。资本市场的反应很直接。

最后说地缘政治维度，这是一次AI主权的展示。

无论V4的技术细节怎么被解读，它有一个核心信号是不可忽视的，如果华为芯片路线走通，如果这个成本结构真的可持续，那中国就有了一套在美国出口管制之外能独立运转的前沿AI基础设施。

这比任何一个benchmark分数都更根本地改变了接下来的竞争格局。

V4是DeepSeek回归前沿的一次有分量的发布。技术扎实，架构有创新，价格继续杀价，开源生态继续维护。

但它不是颠覆者，是守擂者。

开源赛道老大的位置，这次稳住了，而且进一步巩固。但想像R1那样再次震撼整个行业，V4做不到，也没打算做到。

V4真正有趣的遗留问题，有三个。

多模态版本什么时候来，来了之后能不能在图像视频这块跟Gemini和GPT-5正面刚。

华为Ascend芯片的量产规模上来之后，训练效率和价格还能往下走多远。

国内的竞品Qwen、字节、MiniMax、智谱，Kimi面对V4这张牌，接下来会出什么招。