Appearance
DeepSeek-V4全面解读：1M上下文标配、Agent能力冲顶、三大架构革新
让全球从春节苦等到四月的DeepSeek V4，终于来了。1M上下文成标配，Agent Coding超越Sonnet 4.5，下半年批量上华为算力。不是聊天模型的升级，而是明确奔着Agent工作模型去的——从"对话"到"执行"的定位转变。
DeepSeek-V4预览版今天正式上线，同步开源。
两个版本：V4-Pro（1.6T参数，49B激活）对标顶级闭源模型；V4-Flash（284B参数，13B激活）更小更快更便宜。两个版本上下文长度都是1M，最大输出384K。
这不是一次简单的版本迭代。从官方定位看，V4明确押注Agent——不是聊天模型的升级，而是奔着Agent工作模型去的。
核心能力：三大赛道领先
官方给出了三条判断：
| 能力 | 表现 |
|---|---|
| Agent能力 | Agentic Coding稳居开源第一，内部评测优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式 |
| 世界知识 | 大幅领先其他开源模型，仅稍逊于Gemini-Pro-3.1 |
| 推理性能 | 数学、STEM、竞赛代码冠绝开源，比肩顶级闭源 |
内部反馈更直接：V4已经成为公司内部员工使用的Agentic Coding模型，但与Opus 4.6思考模式仍有差距。
V4-Flash：性价比之选
Flash版参数和激活更小，推理能力接近Pro，世界知识稍弱。简单Agent任务上与Pro旗鼓相当，高难度任务有差距。
适合高频调用、成本敏感、响应速度优先的API场景。
1M上下文：从高端功能到水电煤
这次最有冲击力的点不是单项榜单，而是上下文。
一年前，1M上下文还是Gemini独家的王牌；其他闭源模型128K或200K，开源几乎没人玩得起。DeepSeek直接把百万上下文变成了标配。
这意味着：
- 一整本书可以直接塞进去
- 大型代码仓库可以整体分析
- 几十万字的法律材料可以一次性处理
- 完整项目文档不用切块
他们是怎么做到的？
V4开创了混合注意力机制：
- CSA（压缩稀疏注意力）：对KV缓存进行token维度压缩，结合DSA稀疏注意力，精细检索
- HCA（重压缩注意力）：压缩率拉到128，不稀疏选择，全局感知
- 滑动窗口：每层128 token捕捉局部依赖
三条路径协同，在100万token上下文的极端场景下，单token推理计算量仅为前代的27%，KV缓存占用缩减到10%。
半年前V3.2-Exp那次"没什么亮点"的中间版本，首次引入DSA。当时外界关注度不高。现在回头看，那是V4的地基。
三大架构革新
支撑V4性能的，是底层的三项技术突破：
1. mHC（流形约束超连接）
升级传统残差连接，把残差映射矩阵约束在双随机矩阵流形上，确保谱范数不超过1。信号在深层网络传播不发散，额外时间开销仅6.7%。
2. Muon优化器
对梯度动量做Newton-Schulz正交化，10次混合迭代。收敛更快，训练更稳定。
配合两个工程技巧：
- Anticipatory Routing：路由索引与主干网络更新解耦，检测到loss spike时自动触发
- SwiGLU Clamping：线性分量钳制在[-10, 10]，简单粗暴但有效
3. 专家分训+蒸馏合一
用On-Policy Distillation（OPD）替代混合RL。先独立训练数学、代码、Agent等领域专家，再用学生模型对十几个专家做全词表logit蒸馏。不缓存教师logits，只缓存最后一层隐藏状态，按需重建。
Agent能力专项优化
V4不是想停留在聊天框里，而是要进入开发者真实工作流。
官方文档专门给出了接入Claude Code、OpenClaw、OpenCode、CodeBuddy等主流Agent工具链的说明。以Claude Code为例，配置Anthropic兼容接口，把Sonnet、Opus、Haiku映射到V4-Pro或V4-Flash。
写代码、改bug、理解项目结构、生成文档、执行多轮工具调用——这些才是Agent模型真正的战场。
当1M上下文和Agentic Coding结合，不只是给建议，而是能连续执行任务。
API价格：继续打下来
V4的定价延续DeepSeek一贯风格——把成本打下来：
| 版本 | 百万token输入（缓存命中） | 百万token输入（缓存未命中） | 百万token输出 |
|---|---|---|---|
| V4-Flash | 0.2元 | 1元 | 2元 |
| V4-Pro | 1元 | 12元 | 24元 |
这个价格意味着1M上下文不再只是实验室能力，有机会变成产品里的基础能力。Flash版本很可能成为大量AI应用、知识库产品、文档处理工具、代码助手的默认选择。
迁移指南：三个月倒计时
新模型名：
- 追求性能：
deepseek-v4-pro - 追求效率：
deepseek-v4-flash
旧模型名停用：
deepseek-chat→ 映射到V4-Flash非思考模式deepseek-reasoner→ 映射到V4-Flash思考模式- 停用日期：2026年7月24日
对个人开发者影响不大，改一个model参数。对接生产环境的公司，这三个月要做迁移。
国产算力：下半年批量上华为
这是另一个值得关注的信号。官方明确表示，下半年批量上华为算力。
国产模型+国产算力的深度绑定，正在从规划变成现实。
一个测试案例
在"绝望的父亲"这个经典生物学推理测试中，V4没有一轮get到红绿色盲的关键点（根据遗传学规律，如果一名女性是红绿色盲，其生物学父亲必然也是）。
这说明复杂推理能力与顶级闭源模型仍有差距。但也从侧面反映，V4在大多数场景已经够用，极端推理任务是少数。
写在最后
DeepSeek官方在发布稿结尾引了一句话：
不诱于誉，不恐于诽，率道而行，端然正己。
过去半年，关于V4什么时候发、是不是跳票、是不是已经被超越的传言在AI圈来回跑了好几轮。他们没回应过一次。
然后在某个时间点，把V4放出来——同步开源，同步上线官网和App，同步更新API，顺便把内部员工已经弃用Claude的事实写进发布稿。
没有路线图，没有直播，没有访谈。
率道而行这四个字，听着像口号。但如果你把过去半年V3.2那次"没亮点"的Exp版本、DSA那套为V4铺了半年的稀疏注意力、1M上下文从王牌变成标配的路径放在一起看——DeepSeek确实做到了。
相关链接：
