再叠加融资、扩充、下一阶段方略此些外围讨论，商场对它之期待，早就不只为“再发一名新模型”此么简。
此次 V4没有推出多模态版本，而多模态已越来越成为头部模型厂商之“标配动作”。
至于再往后，DeepSeek 能不能补上多模态、能不能借融资处置算力瓶颈、能不能把 V4此套 preview 架构真正打磨成熟，彼就为下一阶段之疑难之。
V4-Pro 为旗舰版，总参数1.6T，激活参数49B；V4-Flash 为轻量版，总参数284B，激活参数13B。
V4最核心之技艺改动于注意力层。
若说 V4展现之为 DeepSeek 仍然有本领于文本模型与 Agent 本领上续往前推，彼么它暂时没有补上之彼一块，也同样说明公司还得于源泉约束下做取舍。
V4此次真正想证验之为，长上下文不必只能做成贵族配置，它可被改造成可供大规模调用之根基本领。
官方也直接说之，“从今始，一百万上下文将为 DeepSeek 所有官方效劳之标配。
博客园。若说过往外界对 DeepSeek 之期待，为它还能不能再做出一名“廉又强”之模型；彼么 V4给出之回答为：它不仅还于此么做，而且正试图把“廉又强”此件事，进一步做成一种架构性之本领。
于数学、STEM、竞赛型代码之测评中，DeepSeek-V4-Pro 逾越当前所有已公开评测之开源模型，取得之比肩全球顶级闭源模型之优异成绩。
“通过参赛，吾等想传递之讯息为，伊朗者民支和、遵守章法、支亚洲之团结。
第一步，针对数学、代码、Agent、指令跟随等不同领域，每名领域单独操练一名专家模型——先用该领域高品质数据做督察微调，再用 GRPO 算法做强化修习，于各自之细分赛道上跑到最优。
先天下之忧而忧，后天下之乐而乐。两者皆原生支1M 上下文，同时支非思考模式与思考模式。
两种交替叠起来，再加一名滑动窗口分支办理近距离 token 之间之细节依赖。
彼 V4于做什么。
DeepSeek-V4，终于来之。
把此套预案放进 DeepSeek 过往两年之技艺脉络里，变化就甚清晰。
V4之本领不再靠一名模型从头学到底，而为先让不同专家于各自赛道跑到顶，再把它们收编进同一套权重。
换句话说，虽上下文从128K 拉到之1M，理论上放大接近8倍，但单 token 之推演本金并没有跟之爆炸，反而被打之下来。
第一，DeepSeek 此次确实已把国产算力协同放进正式路线里之。
一句话：它把长上下文之本金架构彻底重写之一遍。
第二，它此次到底拿出之什么新东西。
DeepSeek-V4-Pro 于全球学识测评中，大幅居先其他开源模型，仅稍逊于顶尖闭源模型 Gemini-Pro-3.1。
此套流程之营造难度极高：同时加载十多名万亿参数级之教师模型做于线推演不现状。
第二，V4当前之本领释放，还没有完全到位，背后依然受制于算力供给。
DeepSeek 之做法为把所有教师权重一统卸载到分布式存储，只缓存每名教师最后一层之 hidden state，操练时按教师索引排序样本，保证任意时刻 GPU 显存里只驻留一名 teacher head。
既压缩之"要看之实质"，又只挑"值得看之"去算。
”伊朗奥委会秘书长迈赫迪·阿里内贾德说，“吾等来之，向大家展示伊朗还活之，吾等之运动员依然能比赛。
DeepSeek 于说明里提到，受限于高端算力，当前 Pro 之效劳吞吐仍然有尽，预计下半年昇腾950超节点批量上市之后，Pro 之价码还会进一步大幅下调。
V4针对 Claude Code、OpenClaw、OpenCode、CodeBuddy 等主流 Agent 货品进行之适配改良，于代码差事与文档生成差事上均有提升。
” 于 Agent 方位，V4做之几处专项改良：后操练阶段把 Agent 作为与数学、代码并列之独力专家方位单独操练；器物调用格式从 JSON 换成带特殊 token 之 XML 架构，降低转义过失；跨轮次推演痕迹于器物调用场景下完整保留，不再像 V3.2彼样每轮清空。
此点于多模态上体现得尤其明显。
此为一次根基设施级别之发布，为下一阶段之 test-time scaling 与长程 Agent 差事铺路。
因过往甚长一段光阴，长上下文始终皆更像一种本领展示：窗口越写越长，但真到实际调用时，价码、延迟、显存压力皆甚难看。
于Agentic Coding评测中，V4-Pro已达到当前开源模型最佳水平，并于其他Agent 相关评测中同样表现优异。
更进一步，每名模型又分成三档推演强度：Non-think、Think High、Think Max。
”此句话表面上为于强调上下文长度，实际上更重要之为它背后之意思：DeepSeek 不为想把1M 当成一名展示参数，而为想把它做成标准配置。
此次 V4最值得注意之地方，也正为于本金曲线。
此段光阴，行业节奏已快到有些失真。
技艺上动之三刀：注意力、残差、后操练 昇腾表示，其始终齐步支DeepSeek系列模型，本次通过双方芯模技艺紧密协同，实现昇腾超节点全系列货品支DeepSeek V4系列模型。
通俗地讲，就为把一堆尖子生之本事蒸馏进同一名者脑袋里。
官方表示，相比前代模型，DeepSeek-V4-Pro之Agent本领显著增强。
V4换成之"分化再一统"之两步走。
此一点于价码上体现得极其直接。
目前DeepSeek-V4已成为公司内部员工用之Agentic Coding 模型，据评测回馈用体验优于Sonnet 4.5，交付品质接近 Opus 4.6非思考模式，但仍与 Opus 4.6思考模式存必差距。
旧俗 Transformer 之注意力机制里，每名 token 要与前面所有 token 算一遍相似度。
4月24日，DeepSeek-V4预览版官宣上线，齐步开源。
此名价码一出来，基本上还为彼名熟悉之 DeepSeek 风格。
V4于此之外又开之一条上下文稀疏化之路，KV 压缩、top-k 选择、分层压缩率。
V4此次发布，另一名绕不开之话题，为算力。
也就为说，此次 DeepSeek 给出之不只为两名模型，而为一整套可按场景分层调用之本领架构。
DeepSeek V4-Flash模型，8K长序列输入场景下可实现TPOT约10ms时单卡Decode 吞吐1600TPS。
越为于此种密集更新里，DeepSeek之沉默就越易被放大。
DeepSeek 还自建之一套名为 DSec 之沙箱平台，单集群可并发管数十万名沙箱实例，专门支撑 Agent 强化修习操练与评测。
出品 | 《态度》栏目 故，怎么体谅此次 V4。
因当模型行业进入更高密度之角逐之后，技艺路线再强，也甚难脱离算力、贤才与现金流去单独讨论。
此种思路绕开之旧俗混合 RL 易导致之本领互相干扰疑难。
除之注意力层，V4还改之两处之前没动过之地方。
第一，DeepSeek还于不于第一梯队里。
V2、V3走之为参数稀疏化，总参数甚大，但每 token 只激活一小部分专家。
此次 V4一共两名版本。
一为把旧俗残差连接晋级为 mHC（流形约束超连接），通过数学约束让深层网络之前向与反向传播更稳固；二为用 Muon 改良器替代大部分模块原本用之 AdamW，收敛更快，操练更稳。
此前有消息称，DeepSeek 正以超过100亿美元估值寻求外部融资，谋划募集不少于3亿美元资金。
100万 token 上下文成为标配，但单 token 之算力消耗反而大幅降。
先说断语：V4不为一代靠“本领全面跃升”来定义自己之模型。
故，V4此次上线，大家真正想知道之其实为两件事： 今日下午，16点，华为昇腾还将于B站直播DeepSeek V4于其平台之首发。
两名版本、百万上下文、三档推演，DeepSeek此次最狠之还为价码 此一点其实比“百万上下文”本身更枢纽。
从货品上看，此名思路已甚明确之：Pro 负责冲本领上限，Flash 负责铺性价比；非思考负责效能，Max 负责榨干推演本领。
它基本等于确认之两件事。
融资、算力、昇腾，V4背后还有DeepSeek之下一道现状题 从此名角度看，V4其实也暴露出 DeepSeek 当前所处之位置：它于模型本领上仍然保强角逐力，尤其于开源与高性价比此条线上依然极其突出；但与此同时，它也已进入一名须更现状地办理算力与源泉配置之疑难阶段。
上下文从10万拉到100万，计算量增益之不为10倍，为100倍。
按照官方披露之数据，于1M 上下文设置下，V4-Pro 之单 token 推演 FLOPs 只有 V3.2之27%，KV Cache 只有10%；V4-Flash 更急进，分别压到10% 与7%。
V4-Pro 每百万 token 输入价码为1元，输出为12元；V4-Flash 每百万 token 输入0.2元，输出2元。
比架构改动更值得注意之为后操练法门之切换。
此为 DeepSeek 第一次把"稀疏化"之刀动到 Transformer 之核心架构里。
此为一套"粗粒度 + 细粒度、稀疏 + 稠密"之组合拳。
对一家过往长期强调独力性、相待克制本钱叙事之公司来说，此种变化本身就甚值得玩味。
新模型一波接一波，参数、榜单、价码、长上下文、Agent、推演强度，几乎每隔几天就要重排一次座次。
另一种叫 HCA（重压缩注意力），压缩率更急进，把每128名 token 合并成一条，但对剩下之摘要做稠密注意力，不做稀疏挑选。
V3.2用之为"混合 RL"，一次性用强化修习改良多名宗旨。
也难怪不少用户第一反应还为彼句老话：廉，而且强。
同时动注意力、残差、改良器三处核心架构，于 DeepSeek 之史册上为第一次。
培训。第二步，用 On-Policy Distillation（OPD，于计策蒸馏）把十多名领域专家"合成"回一名一统之学生模型。
基于DeepSeek V4-Pro模型，于8K输入场景，昇腾950超节点可实现TPOT约20ms时单卡Decode 吞吐4700TPS。
学生自己生成回答，然后对每名回答，去匹配"最懂此名疑难"之专家之输出分布，通过 logit 级对齐把本领吸收进来。
而标准配置能不能成立，枢纽从来皆不为“写没写支1M”，而为本金。
V4之做法为把注意力拆成两种，交替叠用。
一种叫 CSA（压缩稀疏注意力），先把每4名 token 之 KV 缓存合并成一条摘要，再让每名 query 只于此些摘要里挑出最相关之 top-k 条去算。
Hard Tech。