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：
; y% E8 L9 R8 e3 I+ F" O; A
. k$ |9 Q- t4 y- _3 n/ e
6 B5 j; z) [2 e& E2026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。2 z/ D, a9 n( l% u
1 x5 k/ Y2 b, Y' \2 P8 ]) K4 x2 U一、模型定位与版本体系 L _2 k: B/ [& t# d4 o' M U# p
+ M% M9 F) N8 ^$ R
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。% F! `/ p% q( }& G; `
===
; Q4 g( G8 K: m* \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...- i; ]. p4 x5 R6 x3 H* b5 C
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
5 y8 }$ I' S; Z+ W===
6 }7 S4 z& u3 X) d二、架构创新：重新定义注意力机制3 I; S: Q+ q5 c; j$ b
5 p3 o( h h$ T$ g) A, I6 U/ P Y8 p
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。
+ h8 `& R) T/ ]$ l
) L2 e3 s" X q2 \3 u! aCSA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。
# V5 }, @1 e& v- h2 l
# `( m0 H- c& |+ x2 u5 I( r===! e7 P% u/ I) D; W- N" L/ ^! P( e. M) S
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; f, W! v0 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; p1 i0 V7 |* `* J
===
3 j5 H9 E) t( }3 ^+ x( @6 h三、性能表现：全面对标顶级闭源模型4 Z3 b) \3 c9 A& v
8 G9 i( b- `- S* c# f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。# H/ V0 V0 X6 C
; y9 }' c- z# u6 Z$ k4 d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。
7 V, ?8 H* S* v2 X===
3 s/ H* o# y; @5 u' z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
9 j) @) n: _9 M# q" y1 I/ ]' ]( h是骡子是马拿出来溜溜再说
' w4 O7 G3 G l4 ^6 m9 `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
' B. q2 g6 b; u* X# H& ~* ?3 i===0 A) k, S" W5 n
四、Agent专项优化与生态落地
$ [0 A' X; u @5 X |, c: C& S; y5 n6 X% M
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。
* N7 d' S9 h* e9 i( J0 B===! `: |+ h: |/ G6 n) L, Q
待测
6 F6 E5 {, N p' L===
; X5 v0 s( n0 ~. q# P五、技术突围与战略意义
6 p) Z. x7 G; R/ v* U: u7 B: j e+ |3 v' ]4 e
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。
3 a3 } A# H' f2 d3 P% }5 i3 w===) l# M$ I4 i% t* m
试了下，v4 pro确实很贵，目测起码比之前的任务贵5倍以上
) T5 }* O& M+ L6 A9 c% C4 t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。
* O; b6 b1 w4 Y! r+ s* C===/ I% k: l/ {7 x9 [3 Z, D+ f* x
+ ^" ` H8 g$ Q* I* y3 z* I
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。
* N4 v, o# u9 B$ f) w |
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
