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：- J. M, O Y$ z: W ^ P
, j( j$ w- s- j0 b2 x" s5 M' J) y" _: q# {& v7 O
2026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。, g) L5 R& [& X9 N. s. i
+ E- E) g& }# U, U2 ^
一、模型定位与版本体系
4 ~! a8 s1 m K' R! E- [+ i, y9 ~1 z( k/ O; a" U! u( ~! `" Q
DeepSeek-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。" `* w9 F! e* {( }
===
) z; B, p/ g/ u+ S7 |$ ]- xPro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...
5 c! @4 ?' M1 `) \. p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
! L* I6 w* U6 C===6 |' ^! \& A- ]1 Y# H0 P
二、架构创新：重新定义注意力机制
+ C* J9 N6 {4 ^$ z5 B* [ t, R) a1 I1 n: o# Y7 r0 a
V4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。
9 E7 D2 T5 H& k$ ~& S! [+ U9 H# Y' v/ t
CSA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。9 r. h7 f5 J, z9 M/ H+ F* n
7 N3 Y \; Z. L7 Q===5 l M9 i4 p1 a$ h6 E* F L
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; {/ [" f6 q2 i, l8 W( ~8 W
我感觉这次不仅是更长的上下文，在IO端的效率也很惊人
2 n' S0 n$ \. b- w2 K7 m7 I9 ~===
" r# E! j* x1 g三、性能表现：全面对标顶级闭源模型
2 {7 u* }' X! F5 O0 T& A! h$ H- n% w
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。 n8 i0 y; s) p$ m: e
3 J: e% H7 h3 G7 i5 |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。
& [8 u* |! s) u5 @===" u- Y4 }, [- n7 @) [- x! \7 F9 n0 m
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) \4 z$ c4 u. k; x' J; e' G
是骡子是马拿出来溜溜再说7 j/ ^7 _5 [( f) T$ 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# v/ l2 x' J+ ]* j' o/ [% ?& j
===/ z# N0 k N1 ]7 L
四、Agent专项优化与生态落地& \3 N" [: {, Q. m, ~# G @/ K
2 b- y4 h( r% y8 F
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。5 r' G, G1 w' A8 F& t! Z E
===
/ a8 C% e6 S% }' L; x待测
+ m! h' |7 K2 S$ P===" `, Q" H* \' G: ~
五、技术突围与战略意义( S$ i2 @, {8 X @7 F9 \
+ ~6 u! x2 {' d( T: m: d
V4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。
4 @% ^! Q% M# H( S; [# V===
2 W0 @5 s/ j; C试了下，v4 pro确实很贵，目测起码比之前的任务贵5倍以上
6 L, \& h2 a) k. @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。
3 Y: [9 ?! U4 c- L===
/ q: w; m1 ]0 G% |; C# a) {
2 ]" e w- m* I9 h* P! K3 P! U; u. J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。2 }% y6 W* Y3 x7 K$ K( z" m
|
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
