"鸽王"DeepSeek V4 终于来了~!
虽然从物理时间上看，V3 到 V4 只用了一年多时间。 但是整个 AI 界已经天翻地覆了，从我们的心里感受来说，也是过了好久好久了。
好不好的先不说，能更新，就是个好事情了。
最好是能把全球的 Token 价格打下来！
下面就赶紧来看一下，有哪些亮点吧！
目前可以看到的资料是一篇官方的公众号文章。
标题为《DeepSeek-V4 预览版：迈入百万上下文普惠时代》
我们就以这篇文章为准，来看看这次更新到底有什么亮点。
第三方平台和很多媒体号肯定是要尬吹一波的，不要当真！
这篇文章的第一个总结下的描述是：
"DeepSeek-V4 拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。 "
然后来看正文！
两个尺寸
DeepSeek 这次的发布没有 R 系列，而是两个 V 系列的版本！
一个叫 V4-Pro，另一个叫 V4-Flash。
这种搭配非常常见，谷歌也是一直这么来的，国内 GLM 也有专门 Flash 版本。
我把这个表格扔给了"豆包和千问"，问它们这个参数在目前的国产模型中是什么级别。
它们都告诉我是顶级。
1.6T 的参数、49B 激活以及 1M 的上下文，在当前来看应该都是TOP级别的存在了！
Pro 性能拉满
然后他们重点介绍 Pro 这个模型，描述用词为"性能比肩顶级闭源模型"！
并给出了一张基准图：
这个图表风格还是很朴实的，数据表现也很不错。
这张图主要展现了Agent 能力、世界知识、推理能力这三个维度。
世界知识和推理能力主要作为日常使用模型的核心能力。
而对于我们这种比较关注编程和工程实践的人，最关注的是智能体的能力。
更加详细的基准数据如下：
我们把目光聚焦到 Agentic 这一栏目。
这次的对比选手有 K2.6、GLM5.1、Opus4.6、GPT5.4、Gemini3.1 Pro。这些模型的配置全都拉到了 xhigh 或者 Max，也就是最强的那一档。
DeepSeek V4 的基准数据还比较全面的，有些模型发布的时候基准很少。
我们可以快速了解一下几个基准含义。
SWE 系列 主要体现代码工程能力 ，全称叫Software Engineering Benchmarks。
Terminal Bench 2.0 (Acc) ------ 终端/系统操作能力
BrowseComp (Pass@1) ------ 网页浏览与信息检索
Toolathlon (Pass@1) & MCPAtlas ------ 工具调用能力
HLE w/tools & GDPval-AA ------ 逻辑与综合评分
从图中可以看到几个亮点：
代码能力很强（SWE Verified 80.6%），这是目前行业内最难啃的骨头，比 K2.6 和 GLM5.1 高。
系统操作能力极强（Terminal Bench 67.9%），比国外的 Opus4.6 和国内的 K2.6 和 GLM5.1 高。
其他参数也非常亮眼，看起来是一个全能型的智能体模型。
当然，我也一直强调，基准测试是开卷考，有多少水分全看节操。
Flash 高效省钱
对于大模型厂商来说，Pro 一般是来秀肌肉的，而对用用户来说，真正拿来用的很可能是 Flash。因为很多时候，快和省很重要。
Flash模型的官方介绍：
Flash 在世界知识储备方面稍逊一筹，但展现出了接近的推理能力。而由于模型参数和激活更小，相较之下 V4-Flash 能够提供更加快捷、经济的 API 服务。
另外还说到了在 Agent 场景中，简单任务上与 Pro 旗鼓相当，但是高难度任务上仍有差距。
结构创新和1M
说了模型的尺寸和特点之后，就说到了 V4 开创了一种全新的注意力机制。
这种机制在 token 维度进行压缩，结合 DSA 稀疏注意力，实现了全球领先 的长上下文能力，并且相比于传统方法大幅降低了对计算和显存的需求。
如果真的能做到既降低技术和显存，有能提示能力，这真的是大好消息。
智能体专项优化
当前的大模型更新，没有一个不谈 Agent 的，V4 也不例外。
上面已经说了好几次了，官方文章中还是专门拿出一个大标题来讲这个事情。
主要是表达了 DeepSeek-V4 针对 Claude Code、OpenClaw、OpenCode、CodeBuddy 等主流的 Agent 产品进行了适配和优化，在代码任务、文档生成任务等方面表现均有提升。
然后举了一个 PPT 的例子：
我对 PPT 无感，大家可以看一下效果！
价格问题
这是一个非常关键的问题，尤其是对DeepSeek而言。
它刚开始大火，让大家爱不释手，其中一个重要原因就是成本低。训练成本使用成本也低。
下面来看下V4的价格：
注意小字部分，昪腾950批量上市之后，Pro价格会大幅下调。压力来到了华为这边，不要拖后腿哦！
未来的事情我们未来再说，先来看看当下这个价格有没有竞争力。
我让AI帮我做了一个表格：
| 模型 | 缓存命中 | 缓存未命中 | 输出 | 上下文长度 |
|---|---|---|---|---|
| DeepSeek V4-Pro | 1 元 | 12 元 | 24 元 | 1M |
| DeepSeek V4-Flash | 0.2 元 | 1 元 | 2 元 | 1M |
| GLM-5.1 | 1.3 元 | 6 元 | 24 元 | 200K |
| Kimi K2.6 | 1.15 元 | 6.8 元 | 28.8 元 | 256K |
从这个价目表来看：
Flash 价格还是非常有竞争力的，毕竟是 1M 上下文。
Pro 的话"输入"是比较贵的，"输出"基本上和其他家的顶级模型差不多！
开源问题
DeepSeek 另一大杀手锏就是开源，最初就是因为它的开源，导致了整个国外大模型厂商的恐慌，以及国内生态的繁荣。
这一次也不例外，依旧大方开源，目前已经同步开源！
既然开源了，那么稍微有点实力的，都可以部署起来了。
供给就变多了，那么是不是Token要便宜一些了呢？
接下来可以期待下，看看能不能给我们这些小显存用户，蒸馏几个小模型来玩玩了。
目前信息并不多，大概就是这些了！
有了这个基础概念和数据，我们接下来就可以搞起来了。
钱已经充好了，开发工具也配置好了，准备开搞！
从基准数据来看，妥妥多国内第一梯队啊！
希望一切都是真的，是真的很猛！
参考链接
开发者平台：platform.deepseek.com/