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：
' r' Z4 ~# I4 v* t2 { L4 O" k
5 P0 V- i& p# @* }. Z- n6 j/ ~4 ^
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。9 j. e: \6 w5 c
* T1 H( D) |6 F0 }1 o一、模型定位与版本体系8 ~# {) f- g6 j! C$ m
9 W- x8 h" D1 R% s: A
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。. n& E) l9 X1 t* \& J; y
===8 e5 @ C i/ f* g4 o, R! U7 l
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...
2 {" J1 J& H, N0 E6 t- E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
* \1 T( C9 y1 R& ^- [0 L===0 J: b% H9 H( n( h' _
二、架构创新：重新定义注意力机制
, `( `" X2 {& y( `: f
( u' f& ^0 T) T' q0 Z bV4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。
' f# Q$ S) ^* N5 d$ L$ K8 ?9 e, O9 C% K3 K. ]: |
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 Z V( Q' ]' ]3 Q; {, p
% ~. r9 I' ?5 u- f4 D7 f===7 b' @! }; r! i! U
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% A. O9 {; ^/ V/ B4 ^8 U
我感觉这次不仅是更长的上下文，在IO端的效率也很惊人
* P. a2 W! J7 c3 [" e2 f1 }9 H===
# n" J' ~* D2 ]% d" Q- ~6 V3 d三、性能表现：全面对标顶级闭源模型
1 A8 Q, E+ \+ {# M: j) b. u
4 g6 p& F* h2 T7 @, f3 h9 P" [2 v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。! B$ C' K+ |) J/ k8 [
7 m6 `9 c6 B8 P d3 i$ u/ O: ]6 r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。! U* j v8 r( O8 F2 K
===- M/ ~2 q: g. S$ L
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3 n" [3 h! }3 F% ?6 ?* g/ O+ R
是骡子是马拿出来溜溜再说2 q" {. x% V9 o6 o: i" M' _
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6 y/ }' @, V }
===
2 j( _; E7 ^$ {. Q. J* L6 [四、Agent专项优化与生态落地4 D" w; Q [+ ~' x& w5 _
Q0 f4 u, B+ E$ 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。
4 s+ S2 C+ a5 Q! J0 h- A- s5 l===! W" a! p0 {% n9 h
待测
2 a/ O7 U1 T4 N2 V4 L% `===6 K8 r5 C+ D# ~6 ?0 F0 e
五、技术突围与战略意义- X6 j, Q1 i z' [' J5 a
7 r$ E2 z) @( [8 ~. X XV4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。
8 ^7 G9 f1 {; R! C& z* B+ G===
7 M* S% j6 f4 h3 p4 C, o$ g试了下，v4 pro确实很贵，目测起码比之前的任务贵5倍以上( {/ Y+ u- o; `3 [
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。 x, h' k- U6 l) k0 E/ c6 @
===) {, J5 R; j# T' r8 A
8 Q2 \4 P J& Y# q2 K& O9 t
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。6 r8 S2 O: {4 E$ h a. |& I1 e
|
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
