一、版本概览：双版本同发
DeepSeek V4 于 2026 年 4 月正式发布，是继 DeepSeek-R1 之后的首个大版本更新。本次同时发布两款模型：
Pro 版（性能旗舰）： 总参数量：1.6 万亿（1.6T） 每次激活：490 亿（49B） 上下文：100 万 token 运行显存：约 800GB（双节点 8 卡 A100） 推理模式：思考 + 非思考双模式 定位：对标顶尖闭源模型
Flash 版（极致性价比）： 总参数量：2840 亿（284B） 每次激活：130 亿（13B） 上下文：100 万 token 运行显存：约 150GB（双卡 A800 或 8 卡 4090） 推理模式：思考 + 非思考双模式 定位：中小团队首选
二、三大底层技术创新
-
混合注意力架构（Hybrid Attention） 这是 V4 打破长文本算力瓶颈的核心设计。不同于传统单一注意力，V4 用三条管线同步作业： CSA（压缩吸收注意力）：历史信息按 4:1 轻度压缩，闪电索引器精准提取关键部分 HCA（重度压缩注意力）：超长文本按 128:1 极限压缩，极大压制显存 SWA（滑动窗口注意力）：紧盯最近 128 个 token，保证局部细节不丢 三管齐下，全局视野和局部精度兼得，百万 token 下实现降本增效。
-
流形约束超链接（MHC） 当模型层数极深时，信号传导容易数值爆炸或梯度消失。V4 的做法是将层间残差映射成矩阵，强制锁定在「双随机矩阵流形」这一数学空间内。相当于给数据流套上精密光缆护套，通过严格谱范数控制保障信号稳定，层数再深也不怕。
-
MOM 优化器 传统 AdamW 处理 embedding 和预测头等边缘组件，核心的独立权重交给全新的 MOM（混合牛顿 Shampoo 迭代）优化器。前几个阶段大开大合快速收敛，末尾阶段精确收网。配合定制混合 ZeRO 分配策略，训练又快又稳。
三、核心能力与顶级模型对比
数学推理
Codeforces：3206 分 MMT-2026：95.2% 通过率 以上成绩超越或持平 GPT-5.4 与 Gemini 3.1 Pro AIME 2024 通过率达 77.9%，结合自一致性解码后 86.7%，超过多数人类参赛者 IMO / IOI 金牌水准
vs GPT-5.4 / Gemini 3.1 Pro：持平，部分指标超越 vs Kimi K2.6 / GLM 5.1：显著领先
编程能力
SweepBench 得分 73.1% Agent 编码评测开源模型最佳 内部用作编程助手，体验超 Claude Sonnet 4.5，接近 Claude Opus 4.6 非思考模式 已适配 Claude Code、OpenCode、Cline 等主流编程工具
vs GPT-5.4 / Gemini 3.1 Pro：持平或超越 vs Kimi K2.6 / GLM 5.1：大幅领先
Agent 智能体
SWE-bench Verified：80.6 分 BrowseComp：83.4 分 工具调用、Skills/MCP、长期记忆、Computer Use 等方面与 Claude Opus 4.6 体验差距极小 训练数据覆盖 1800+ 环境和 85000+ 复杂提示词
vs GPT-5.4 / Gemini 3.1 Pro：接近，略有差距 vs Kimi K2.6 / GLM 5.1：大幅领先
世界知识
SimpleQA：57.9 分（Gemini 3.1 Pro 为 75.6 分）
vs GPT-5.4 / Gemini 3.1 Pro：明显落后 vs Kimi K2.6 / GLM 5.1：持平或略领先
中文能力
本土语言优势明显
vs GPT-5.4 / Gemini 3.1 Pro：领先 vs Kimi K2.6 / GLM 5.1：领先
多模态视觉
V4 为纯文本模型，暂不支持图片识别
vs 闭源 & 国产模型：均暂不支持
性价比
Pro 版：输入 ¥12 / 输出 ¥24（每百万 token） 约为 Claude Opus 4.6 的 1/3 到 1/7
vs 闭源模型：极高 vs Kimi / GLM：当前偏高，待国产昇腾 950 芯片量产后下降
四、实测案例效果
4.1 推理题
测试 1：给出 10 个以「樱桃」结尾的句子 → 正确 测试 2：8 米竹竿能否通过高 4 米宽 3 米的门 → 正确，考虑了 3D 空间 测试 3：使等式成立（不改变数字位置）→ 正确，未给出阶乘解法是小遗憾 测试 4：密码锁推理 → 正确（698）
4.2 浏览器版 macOS 模拟器
Dock 栏动态效果正常 各 App 均可打开 支持锁屏功能 终端排版轻微瑕疵，整体功能完整
4.3 3D 室内平面图（120㎡ 两室两卫）
评测者称为「迄今为止测试过最漂亮的」3D 平面图 玄关、厨房、主卧、次卧、主卫、次卫、客厅空间分布准确 标签和房间位置精准对应，不会像其他模型出现标签漂移
4.4 企业 CMS 系统（三模型对比）
任务：开发含 10 个模块的企业官网 CMS 系统
DeepSeek V4 Pro： 生成任务数：17 个 功能完成度：高，首次即完成首页迭代功能 自主发挥：草稿状态（PRD 未提及的功能） 前端 UI：干净清爽 耗时：1h30min（含 3 轮自测 + 自动修复） Bug：自测发现 6-7 个并自动修复 API 成本：约 32 元 / 2000 万 token
Kimi K2.6： 生成任务数：33 个 功能完成度：略低 自主发挥：无 前端 UI：可用 耗时：极快 成本：较低
GLM 5.1： 生成任务数：33 个 功能完成度：高 自主发挥：详情页功能 前端 UI：更完善（轮播跳转等） 耗时：需额外迭代 成本：较低
关键发现：V4 Pro 仅用其他模型一半的任务粒度完成了同等甚至更好的效果，自主规划能力强。但当前 API 成本在国产模型中偏高，官方表示下半年国产昇腾 950 量产后将大幅降价。
4.5 Agent 构建知识库系统
任务：5 分钟内搭建卡帕西 ARM Wiki 知识库系统 结果： 流畅展示文档关联，顺利收发文档 流畅问答，深挖知识细节 MCP、Skills、Agent Teams 等功能全面兼容 体验达 Claude Opus 4.5 水准
五、技术渊源：V1→V4 演进
V1（2024 初）：从零预训练，2 万亿 token 高质量数据集，67B 代码能力超越 LLaMA-2 70B，聊天超 GPT-3.5
V2（2024 中）：MoE + MLA，KV 缓存减 93.3%，训练成本降 42.5%，吞吐量提升 5.76 倍
V3（2024 底）：6710 亿参数，FP8 训练，多 Token 预测（解码提速 1.8 倍）。训练成本仅 557.6 万美元，对比 GPT-4 据传的 1 亿美元
R1（2025 初）：纯强化学习驱动推理，GRPO 算法。AIME 79.8% 通过率，Codeforces 超 96.3% 人类。推理能力可蒸馏至 1.5B 小模型
V3.2：DSA 注意力，128K 稳定上下文，Agent 任务合成流水线
六、局限与展望
- 多模态缺失：纯文本模型，暂不支持图片识别，而 Kimi K2.6 和 GLM 5.1 均已支持
- 知识问答差距：SimpleQA 与 Gemini 3.1 Pro 相差约 18 分
- API 成本：Pro 版输入 12 元/百万 token，当前国产模型中偏高，国产芯片量产后有望大幅下降
- 服务容量：Pro 版当前通路有限，下半年昇腾 950 上市后将扩大规模并降价
DeepSeek V4 标志着开源模型在推理、编程、Agent 三大核心能力上全面追平甚至部分超越顶尖闭源模型。开源、效率优先、长期主义的路线，为整个大模型生态提供了重要参照。
本文内容整理自 B 站多位 UP 主的 DeepSeek V4 深度测评视频文案，涵盖技术解读、横向对比与上手实测。
