金思宇／文

引言：百万上下文的时代分水岭

2026年4月24日，DeepSeek V4系列预览版正式上线并同步开源。Pro版以1.6万亿总参数、490亿激活参数的规模，Flash版以2840亿总参数、130亿激活参数的经济型配置，双双标配100万token超长上下文与MIT协议完全开源授权。就在前一日，OpenAI刚刚上线GPT-5.5，每百万输出token定价高达30美元。前后两天，闭源与开源的两种定价逻辑，面对面呈现在了市场面前。

百万上下文本身并非绝对领先——Gemini、Qwen等模型早已达到这个量级。DeepSeek V4真正要回答的，不是“能不能做到”，而是“做到了之后，成本撑不撑得住”。而V4的回答，是一套足以重新定义行业成本基准的技术答卷。

一、效率革命：从“算力即权力”到“算力即服务”

DeepSeek V4最核心的突破，在于它证明了一个长期被忽视的命题：不是参数量越大越强，而是单位算力能产出多少有效智力。

在100万token上下文下，V4-Pro处理单个token的算力消耗仅为V3.2的27%，KV缓存占用降至10%；V4-Flash则将这两个数字进一步压低到10%和7%。这一数字并非来自低精度取巧——技术报告明确标注单位是等效FP8 FLOPs，且已换算到与V3.2相同的精度标准去比较。V4系列还为路由专家权重启用了FP4精度，现有硬件上FP4与FP8峰值算力相同，在未来硬件上可再高出三分之一的效率。

这并非偶然的突破。往前回溯三代产品：2024年初，V2的训练成本降至GPT-4 Turbo的1/70；同年底，V3以560万美元的预训练成本压到GPT-4的1/14；紧接着的R1又以600万美元对标GPT-4o约1.2亿美元的训练开支，压至1/20。三代产品，每代都在往下打一个数量级。V4则把这条成本曲线的“陡峭度”推向了一个新的极限。正如OpenAI CEO萨姆·奥尔特曼在2025年2月的文章中所说，使用特定水平AI的成本每12个月下降约10倍，AI成本的下降“比摩尔定律更加强劲”。

V4是如何做到的？核心是两重技术创新。

第一重是注意力机制的根本改造。 传统Transformer长文本处理的瓶颈在于，序列长度每增加一倍，注意力计算量呈平方级膨胀，KV缓存线性增长。DeepSeek打破了这一约束，设计了压缩稀疏注意力（CSA）和重度压缩注意力（HCA）构成的混合注意力架构：CSA每4个token的KV缓存压缩成1个，序列缩小4倍，再用Lightning Indexer稀疏选出最重要的KV块，额外保留128个token的滑动窗口维持近距离细节；HCA则更激进，每128个token压缩成1个，负责超远距离的全局语义。这套机制让模型在处理超长文本时不再对所有token做全量计算，而是严格区分“强关联token精读”与“弱关联token压缩或跳过”。效果惊人：在1M上下文场景下，V4-Pro的推理FLOPs仅为V3.2的27%，KV Cache仅为10%；V4-Flash则将这两个数字进一步压低到10%和7%。著名AI科学家Andrej Karpathy在谈到DeepSeek的工程创新时也指出，“强化学习这个东西，其实很糟”——预训练从根子上存在巨大缺陷，而DeepSeek的替代路径正展现了另一种工程的可能性。

第二重是训练方法论的彻底换代。 V4将V3.2中的mixed RL混合强化学习阶段整体替换为On-Policy Distillation同策略蒸馏。新流程分为两步：先对数学、代码、Agent、指令遵循等领域独立训练SFT和GRPO强化学习，得到十多位“专家模型”；再通过多教师OPD，让学生模型在自己生成的轨迹上对齐多个教师的输出分布，从而将十多位专家的能力蒸馏到统一模型中。这种“先分头培养专家、再合并成通才”的路线，有效避免了传统方法中各领域能力相互干扰的“能力冲突”问题，确保稀疏架构下的模型依然具备扎实的全局能力。

官方公告中的一句话掷地有声：“从现在开始，1M上下文将是DeepSeek所有官方服务的标配。”长上下文正式从“加价功能”变成了“默认配置”。硅谷顶级风投a16z联合创始人马克·安德森在2026年开年展望中敏锐地捕捉到了这一趋势：“AI价格的下降速度比摩尔定律还要快，所有AI输入的单位成本都在崩塌，结果就是单位成本的‘超通缩’，这将推动超出预期的需求增长。”他指出，DeepSeek的发布是一个“超新星时刻”，其开源策略正在全球范围内形成一场前所未有的价格竞争。

二、首次平等对决：开源模型何以比肩闭源巨头

DeepSeek V4-Pro在多个维度的评测中交出了一份前所未有的开源答卷。

· Agent能力：在Agentic Coding评测中达到开源最佳水平。内部研发基准测试的数据提供了更加精确的参照：约200个来自50余位工程师的真实任务中，V4-Pro-Max的完成率达到67%，而Sonnet 4.5为47%，Opus 4.5 Thinking为73%，Opus 4.6 Thinking为80%。参与内部调研的85名有使用经验的开发者中，超过九成认为V4-Pro已经可以作为首选或接近首选的编程模型。模型已针对Claude Code、OpenClaw、OpenCode、CodeBuddy等主流Agent产品进行专项适配优化。第三方评测中，Vals AI在Vibe Code Benchmark中确认V4以“压倒性优势”位居开源权重模型榜首，超越Kimi K2.6及Gemini 3.1 Pro等闭源模型。

· 专业领域：LiveCodeBench Pass@1达到93.5，Codeforces Rating达到3206，为参测模型中最高。数学、STEM及竞赛型代码推理性能超越所有已公开评测的开源模型，比肩世界顶级闭源模型。在Codeforces人类选手排行榜上，V4-Pro-Max目前位列第23名——这一成绩即便放在人类编程竞赛选手的坐标系中依然亮眼。

· 世界知识：SimpleQA-Verified得分57.9，比最接近的开源竞争者高出约20个百分点，仅稍逊于Gemini-Pro-3.1的75.6。基座模型层面，V4-Pro-Base在MMLU 5-shot、MMLU-Pro 5-shot、LongBench-V2长文本评测上的得分分别为90.1、73.5、51.5，全面大幅领先同参数量级的V3.2-Base（87.8、65.5、40.2）。

值得注意的是，DeepSeek始终保持克制——技术报告坦诚V4-Pro在知识与推理任务上与Gemini等顶尖闭源系统仍有约3至6个月的差距。这份客观的自我评估本身就是一种技术自信的表达。V4-Flash则提供了另一条高效的路径：推理能力接近Pro版，简单Agent任务旗鼓相当，仅在高难度知识密集型任务上稍逊一筹。

三、国产算力起跳：从CUDA依赖到昇腾原生适配的战略转折

DeepSeek V4最深远的影响并非来自某项跑分的高低，而是它对产业底层逻辑的冲击。

英伟达CEO黄仁勋在4月15日接受播客专访时说了一句分量极重的话：“如果DeepSeek先在华为平台上发布，那对我们国家来说将是灾难性的。”仅仅9天之后，这句话精准应验。DeepSeek V4的定价说明中的一行灰色小字——“受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调”——让黄仁勋的担忧从“假设”变成了“现实”。

黄仁勋的“灾难论”并非危言耸听。英伟达的真正护城河从来不是GPU算力本身，而是CUDA作为默认起点的软件生态位。V4在技术报告中明确写入了华为昇腾NPU与英伟达GPU的并列验证，成为全球首个在核心训练生态中并列验证双方硬件的万亿参数级模型。在通用推理负载下，昇腾平台实现了1.50至1.73倍的加速比。敢于在万亿参数级别上完成这一全栈迁移，释放了一个震撼行业的信号：CUDA构建的城墙，已经不再坚不可摧。

华为云MaaS平台已提供免部署、一键调用的DeepSeek-V4-Flash API服务。寒武纪基于vLLM推理框架完成V4-Flash与V4-Pro的Day 0适配，适配代码已开源至GitHub社区，这也是寒武纪连续第二次在DeepSeek新模型发布首日交付原生芯片支持。vLLM团队的PagedAttention机制可释放60%以上显存冗余，支撑1M上下文窗口的特性持续优化。

更为深远的变化正在基础设施层面发生。智源研究院的FlagOS平台已在DeepSeek-V4-Flash上完成了海光、沐曦、华为昇腾、摩尔线程、昆仑芯、平头哥真武、天数、英伟达等8款以上AI芯片的全量适配与推理部署。从上游基础模型开源，到中游多芯片兼容，再到下游金融核心业务的私有化部署应用，一个以开源模型牵引、以国产算力为基座的AI技术栈正在加速成形。中国银联已依托昇腾AI算力底座与DeepSeek-V4大模型完成了金融行业在自主创新AI技术领域的首次私有化部署，随后每日互动也发布了基于华为最新昇腾方案的纯私有化部署方案。

四、定价重构：当百万上下文不再是“奢侈品”

DeepSeek V4的API定价策略堪称对整个行业的一场产业经济学模拟推演：

· V4-Pro：缓存命中输入1元/百万token，缓存未命中输入12元/百万token，输出24元/百万token

· V4-Flash：缓存命中输入0.2元/百万token，缓存未命中输入1元/百万token，输出2元/百万token

一组更具冲击力的对比数据足以说明一切：根据OpenRouter平台的调用量统计，DeepSeek-V4-Flash每百万token的平均输出价低至0.279美元，仅为GPT-5.5 Pro（180美元）的1.55‰——不是便宜一半，是便宜了50倍以上。这个数字大到不像同一场比赛里的报价。对比Claude Opus 4.7约25美元/百万token、GPT-5.4约15美元/百万tokens的定价，V4-Flash输出价2元人民币约合0.28美元，较Claude Opus系列便宜逾99%，为当前大模型区间最低价之一。

结合V2、V3、R1的产品历史，DeepSeek绘出的是一条不依靠运气分配、完全依靠系统方法论实现的成本持续压缩曲线。马克·安德森在分析这一趋势时预言：“任何具有商品属性的市场中，导致过剩的第一大原因就是短缺。因为短缺，你会看到数千亿甚至数万亿美元投入地下。未来十年，AI公司的单位成本将像石头一样直线下跌。”成本的极致压缩反过来将触发“推理量的指数级增长”：当单次调用的边际成本低到可以忽略不计，开发者的思考重心将从“考虑每次调用成本”转向“优先关注产品体验与架构设计”。

五、开源战略：中国AI的“新模式优势”

在MIT许可证下，V4系列权重已在Hugging Face和ModelScope全面开源。V4-Pro总参数1.6万亿、每token激活490亿，V4-Flash总参数2840亿、激活130亿——这两个规模级模型的同步开源，使得预算有限的开发者得以零门槛试验和部署世界级AI基础设施。

零一万物CEO李开复在长江CEO组织20周年返校日庆典上对这一趋势做出了深刻的判断：“如果十年后，我们回顾DeepSeek怎么让中国没有落后于美国，答案并非其技术能力本身，而是它带来了中国（大模型）开源时代。”他进一步指出，自DeepSeek开源以来，国内多家企业相继开源大模型，形成了“既开源、又比拼速度”的良性竞争局面，而开源模式高度契合中国企业的学习特性，有望助力中国在AI领域缩小与美国的差距。此前，李开复甚至坦言DeepSeek对OpenAI的商业模式构成了根本性挑战：“对Sam Altman来说，最大的噩梦就是他的竞争对手是免费的。”

马克·安德森同样看到了中国在开源模型上的进展给硅谷与华盛顿带来的震撼，“中国在开源领域的策略，实际上形成了一种全球性的价格竞争”，这股力量的崛起正在迫使美国政策制定者重新思考产业监管的路径与方向。

技术报告的结尾引用了《荀子》之言：“不诱于誉，不恐于诽，率道而行，端然正己。”这句话承载的意义远比任何单一跑分都更具穿透力，它标志着中国AI团队从追求“追赶式创新”走向“系统性领先”的一个标记性注脚。

六、行业影响：AI应用的“寒武纪大爆发”临界点已至

DeepSeek V4“三个阈值”的同时突破，构成了模型“智能力密度”越过临界点的标志：

· 成本阈值：V4-Flash定价每百万token输入最低0.2元，输出仅为GPT-5.5 Pro的1.55‰，基本证明了在Agent时代不必过度依赖英伟达高端GPU的经济可行性。AI开发者Simon Willison评价称，V4-Pro是目前已知的最大开源权重模型，参数规模超过Kimi K2.6（1.1万亿）、GLM-5.1（7540亿）与V3.2（6850亿），以极低成本实现了近乎顶级的性能。

· 性能阈值：在Agentic Coding评测中已是开源最强，单token推理算力只有V3.2的27%，代码与数学推理在多指标上比肩世界顶级闭源模型。一位知乎网友Enrico评价DeepSeek V4“真的令人印象深刻，快速、智能”，并指出LocalAI将推动该模型面向更广泛用户群体普及。

· 工具链阈值：针对Claude Code、OpenClaw、CodeBuddy等主流Agent框架专项优化，百万上下文成为基础标配，为Agent的长时间自主工作提供前提。

这三个阈值的突破，意味着模型的“智能力密度”已越过临界点，必将引发应用层的爆发式增长。每一次基础设施赛道上的质变，都会引爆应用层的“寒武纪式大爆发”——正如亚马逊云服务将计算成本压至阈值以下引爆SaaS创业潮，4G资费降至临界点成就短视频与直播电商时代。

更大的行业影响还体现在产业格局上：DeepSeek-V4与华为昇腾的深度适配，已推动国产AI从“单芯片适配”走向“多芯片兼容生态”。vLLM团队的核心工程师在技术博客中指出，这套全新的混合注意力机制虽然性能惊人，但“系统实现上相当困难”——异构的注意力结构、不同的压缩比例、混合量化策略等挑战，都需要深厚的工程能力去解决。而DeepSeek与整个开源社区共同完成了这一突破，证明了开源协作所能抵达的技术深度。

结语：普惠不再是一个口号，而是一种可推断的确定性

DeepSeek V4的发布，是中国AI产业从“模仿者”“追赶者”向“系统性创新者”与“规则潜在影响者”迁徙的核心标志。它用三个层次的变革重新锚定了行业基准：以架构创新重构成本底线，以开源共享重塑产业生态，以国产适配重建技术主权。

从此，百万上下文不再是少数企业的特权，而是每个开发者、每个普通用户都能轻松获得的基础能力。AI普惠时代，不是将要到来，而是已经到来。

正如黄仁勋那句“灾难”之言所揭示的——当最前沿的AI模型在国产芯片上以白菜价运行的那一天，旧有的算力霸权秩序便开始被动摇。DeepSeek以开源路线坚持的长期路径，正在为全球AI产业画出一条全新的边界。开源，不仅仅是模型代码的开放，更是一个庞大而从未停歇的协作网络，一种让技术进步的成果向全世界共享的承诺。正如马克·安德森所指出的那样，当成本的线性下跌遇上智能的指数级增长，其结果将是整个数字世界的重新塑造——而DeepSeek的愿景并不止于模型本身，而是让这一切的基石，为每一位创新者公平地享有。