TA的每日心情 | 擦汗
2026-3-17 22:01 |
|---|
签到天数: 1133 天 [LV.10]大乘
|
以下是DeepSeek V4自己写的，我会把自己的吐槽加在里面：
, [$ ]/ r4 U) x8 V) M h& p
: |4 d3 i# {% `- F( f) @9 E& @+ w
1 t6 K" ]/ K4 i I3 p5 Q I2026年4月24日，DeepSeek正式发布全新系列模型DeepSeek-V4预览版并同步开源。作为继R1发布十五个月后的重大更新，V4不仅以百万级上下文窗口重新定义了“长文本”的工程边界，更凭借一套几乎重塑了注意力机制的技术架构，向全球AI界展示了效率至上的突围路径。! E2 {6 l' K+ T N2 z+ Z
' }) Z2 p9 Z! w* n1 V
一、模型定位与版本体系# K. Y h& R1 T b
8 j* U* ]7 K T) x/ R4 ZDeepSeek-V4按参数规模分为Pro与Flash两个版本，精准匹配不同场景需求。Pro版总参数量1.6万亿，每次推理激活约490亿参数；Flash版总参数量2,840亿，激活仅约130亿参数。两款模型均支持1M token超长上下文，预训练数据量分别达到33T和32T tokens，较V3.2的14.8T翻了一倍以上。这一设计延续了DeepSeek效率优先的哲学——尽管总参数庞大，但每个token仅激活少量参数，使推理成本能保持合理水平。7 q4 Z4 Y; p5 J2 J' V! w
===; r7 ~0 r2 N. ?" P: I
Pro版本看这个样子，没有4台8卡H200是跑不动全量满血版的，毛估估硬件成本1000万人民币...$ ~ S: G" r \
不过Flash版本估计一台就能跑得动，而且看样子跟之前的R1 671B相比效率还更高，算是有效保护了客户的硬件投资
. w" w1 e! ~6 G* o/ Q9 C9 O7 \===1 J/ h* m- g+ W$ ?* X2 K
二、架构创新：重新定义注意力机制
8 O5 O. s, z1 D7 ?( r% k
: d6 o3 W' |7 j: G" b; OV4最核心的架构改动是一套分层的混合注意力机制，从根本上解决了长文本场景下计算量平方级爆炸的难题。 传统Transformer在序列长度增加时，注意力计算量和KV缓存负担呈平方级增长，百万token往往只停留在论文数字中。DeepSeek的方案是设计两个互补模块——压缩稀疏注意力（CSA）和高度压缩注意力（HCA），在各层之间交替使用。; k% \9 i# G G& n8 S( Z
4 X5 G0 R" u8 I% TCSA先将每4个token的KV缓存压缩成1个条目，再通过Lightning Indexer进行Top-k筛选（Pro版选取1024个最相关块），仅对筛选出的压缩块及滑动窗口内的128个原始token做注意力计算；HCA则更为激进，直接将每128个token压缩为1个条目并保持稠密注意力。在100万token上下文下，V4-Pro的单token推理计算量仅为V3.2的27%，KV缓存仅占10%；V4-Flash更极端，计算量仅10%，缓存仅7%。这意味着同样的硬件可以处理数倍乃至十倍的请求量，长上下文正从奢侈品变为日用品。
" B7 h3 E, ]; c5 h( f7 U# T' F/ |" M7 |) b; q
===9 R" k9 ]+ P) g6 Y, k# ?
已经用上了1M的context，确实很爽，直接踢飞了之前的128K上下文切割模块% S- K9 ?# `2 F" j0 O
我感觉这次不仅是更长的上下文，在IO端的效率也很惊人( e" c% y6 G( f6 X9 U, y
===
8 O* e3 I* n% T! _7 h. V9 A三、性能表现：全面对标顶级闭源模型
& W0 ?+ \' m& c- X
+ ^- G9 O/ C; ~/ \ J在Agent能力、世界知识和推理性能三大维度上，DeepSeek-V4均实现了国内与开源领域的全面领先。Agentic Coding评测中，V4-Pro达到当前开源模型最佳水平，整体使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式。在数学、STEM和竞赛型代码评测中，V4-Pro超越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。世界知识方面则大幅领先其他开源模型，仅稍逊于顶尖闭源模型Gemini-Pro-3.1。
( Y9 @$ B( V7 U; w" a+ f
. n7 p2 n) b4 o" N3 B, L4 K值得关注的是，V4-Pro-Max版本在Codeforces编程竞赛中取得3206分，超越GPT-5.4的3168分；LiveCodeBench得分93.5，为全榜最高。而Flash版在简单任务上性能与Pro版旗鼓相当，但在高难度任务上仍有差距。
0 ^$ h3 A, @* E( J3 R" {' [===
# [5 Z& W) o7 u1 w* D$ m% q这个我不做评价，各种测试刷分一回事儿，干活是另一回事儿6 ]- q5 U0 \! |5 h) v4 ^
是骡子是马拿出来溜溜再说
( f1 l$ K3 R# C& J- d如果DS V4能够超出Sonnet 4.5，接近达到Ppus 4.6的水平，那基本上可以认为很实用了
& V3 @+ ?9 Q/ f, J7 F \===
* }+ i3 G U4 C1 U% J四、Agent专项优化与生态落地: R6 g8 ]! x) [" R
. p# `5 d2 J5 G0 [- S' z
DeepSeek专门针对Claude Code、OpenClaw、OpenCode、CodeBuddy等主流Agent产品进行了深度适配和优化，在代码任务、文档生成等方面均有实质提升。V4模型已全面部署于公司内部研发流程，成为主力Agentic Coding工具。两款模型均支持非思考与思考两种模式，复杂Agent场景推荐使用思考模式并将推理强度设为max。) U, g9 s5 X' c. M
===- f, g; O+ F3 h* W
待测0 o3 g, |: S, [5 `
===; V9 d2 }% b4 C7 ^* I, ?6 A
五、技术突围与战略意义) i8 x9 ]# L. A' J' @, F3 I6 a: u: M
7 C* H$ r$ c: r3 i( UV4的发布标志着大模型竞争正从单纯“堆参数”转向效率驱动的下一赛道，注意力机制的根本改造为超长上下文模型提供了可复用的工程范式。同时，V4从设计之初就深度适配国产算力，将与华为昇腾的合作推至“原生”水平，预计下半年昇腾950超节点批量上市后，Pro版服务价格将大幅下调，进一步降低百万级上下文的使用门槛。价格方面，Flash版输入每百万token仅0.2元，输出2元，依然保持了DeepSeek“价格屠夫”的一贯风格。; s( m, ` {) j% m
===, p4 e# S. R8 ~" c \0 \- n1 P
试了下，v4 pro确实很贵，目测起码比之前的任务贵5倍以上( N: r' C" l. h3 U) c0 \
但是这波宣发最牛的还是全面支持国产芯片，除了DeepSeek自己说的华为昇腾950超节点，寒武纪也已经官宣Day0 适配，估计最起码提供推理服务的硬件会逐渐的赶上来。# _1 A$ [9 y( I( i
===
' i4 [3 ~8 o0 }7 T/ o% K' W) }& t; R Y9 _# M, t9 Q# N5 R, y/ N
作为全球首个在国产算力底座上完成训练与推理的万亿参数级模型，DeepSeek-V4不仅是一次产品迭代，更是一场从底层架构到生态话语权的系统性突围——当西方模型还在比拼参数规模之时，这支来自中国的团队已悄然开辟了效率普惠的全新赛道。5 y$ ~0 D: B9 u3 Y+ \1 \
|
评分
-
查看全部评分
|
雷达卡
楼主
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
发表于 2026-4-24 16:19:58
