前言
盼了好久。
今天早上睁开眼刷手机，DeepSeek V4 来了。不是预告，不是 rumor，是直接发布加开源。
说实话，等这一天等得有点麻木了------AI 圈嘛，"下周有大新闻"听多了，耳朵都起茧。但 DeepSeek 这次终于没鸽，而且一来就来了个双黄蛋：Pro 和 Flash 两档。
Pro 是 1.6T 总参、49B 激活，Flash 是 284B 总参、13B 激活。两档都给了 1M token 上下文，都开源，还带了一份 80 多页的技术报告。
你看，连上下文长度都开始内卷了。
这玩意到底能干啥？
咱不聊虚的，直接说人话。
V4-Pro 在四个方向上往前跨了一步：
Agent 能力，已经是开源里的头牌。DeepSeek 内部自己都在用 V4 写代码了，反馈是比 Sonnet 4.5 强，接近 Opus 4.6 的非思考模式。这次还专门给 Claude Code、OpenCode 这些主流 Agent 工具做了适配。
世界知识，SimpleQA-Verified 拿了 57.9，比 Opus-4.6-Max 和 GPT-5.4-xHigh 都高一截。当然，还是追不上 Gemini-3.1-Pro。
推理性能，数学、STEM、竞赛代码三项，Pro 超过所有已评测的开源模型，和闭源顶流打平。LiveCodeBench 93.5，Codeforces Rating 3206。
长文本，1M token 下 MRCR 83.5，CorpusQA 62.0，学术评测超过 Gemini-3.1-Pro。
Flash 呢？走的是性价比路线。知识题弱一点，但推理能力接近 Pro。简单 Agent 任务和 Pro 差不多，高难度才看得出差距。
说白了，Pro 是旗舰机，Flash 是性价比机。跟 Claude 的 Sonnet/Opus、GPT 的 Mini/Pro 一个路数。
1M 上下文，终于成了标配
以前 DeepSeek 网页版撑死 128K，1M 是灰度测试。从今天开始，1M 是全线默认------chat、API、网页、App，一视同仁。
这背后是一套新的注意力机制。V4 在 token 维度做压缩，再加上 DSA 稀疏注意力。效果是：1M 上下文下，Pro 的单 token 推理 FLOPs 只要 V3.2 的 27% ，KV cache 只要 10% 。Flash 更狠，FLOPs 只要 V3.2 的 10% ，KV cache 只要 7% 。
一百万 token 什么概念？
《三体》三部曲一次性塞进去，还绰绰有余。
而且 V4 这次学乖了，多轮对话里保留全部 reasoning 历史。长程 Agent 任务终于不会聊到一半"失忆"了。
架构三件套------看不懂没关系，后面有助记版
V4 的 MoE 框架还是 DeepSeekMoE，但升级了三处：
CSA + HCA，两种注意力层混着用。CSA 把 token 压缩了再跑稀疏注意力，管长距离；HCA 压缩得更激进，管超长距离。一个管"看得远"，一个管"看得更远"。
mHC，流形约束的残差连接。听着唬人，其实就是给深层网络加了个"安全带"，堆再高也不跑飞。
Muon 优化器，从 AdamW 切过来的。收敛更快、更稳，AdamW 的超参数还能直接复用。
MoE 部分也有小动作：门控函数从 Sigmoid 换成 Sqrt(Softplus)，前几层 dense FFN 改成 Hash 路由的 MoE。Flash 的配置是 1 个共享专家 + 256 个路由专家，每 token 激活 6 个。
训练数据
Flash 预训练了 32T token，Pro 33T。精度上，路由专家用 FP4，其他大部分 FP8。这是 DeepSeek 第一次在旗舰上全面跑 FP4 量化感知训练。
训练 schedule 是从 4K 序列长度起步，逐步扩到 16K、64K、最后 1M。注意力先稠密暖到 1T token，64K 时切稀疏，再继续。
稳定性上做了两件事：Anticipatory Routing 提前算好路由索引，避免 loss spike；SwiGLU Clamping 消除 outlier。
Base 模型评测里，Flash-Base 用 13B 激活就追平了 V3.2-Base 的 37B 激活。参数效率，明显提升。
后训练这次换了打法
V3.2 是 SFT + mixed RL。V4 把 mixed RL 换成了 On-Policy Distillation（OPD） 。
流程拆两步：
第一步，领域专家培育。数学、代码、Agent、指令跟随，每个领域单独训一个专家。每个领域还分三种推理强度：Non-think、Think High、Think Max。
第二步，OPD 融合。让学生在自己生成的轨迹上学多个 teacher 的分布。这比传统 SFT 蒸馏更接近 RL 的本质。
为了撑住万亿规模的 OPD，DeepSeek 在 infra 上下了狠功夫：teacher 权重中心化存储、按需加载；rollout 用 FP4 加速；服务支持抢占和容错，硬件出错能从断点续上，不用重新生成。
Agent 训练还搞了一套叫 DSec 的 sandbox，单集群扛几十万个并发。任务被抢占了，sandbox 资源不释放，恢复时直接 fast-forward 到断点。
三种思考模式，这次终于玩明白了
V4 支持三种思考强度：
Non-think：直觉回应，日常对话用。
Think High：逻辑分析，复杂问题上。
Think Max：推到极限，需要特殊 prompt 触发。
而且 V4 改了一个 V3.2 很烦人的问题------thinking trace 的处理。V3.2 每轮新消息就丢 thinking，V4 在工具调用场景里 完整保留全部 reasoning，跨用户消息也不丢。
长程 Agent 的连贯性，终于有救了。
成绩单：V4-Pro-Max 到底站哪一档？
对手是 Opus-4.6-Max、GPT-5.4-xHigh、Gemini-3.1-Pro-High、K2.6-Thinking、GLM-5.1-Thinking。
代码：LiveCodeBench 93.5、Codeforces 3206、Apex 90.2，三项全是第一。
知识：SimpleQA-Verified 57.9，仅次于 Gemini。HLE 37.7 是短板。
Agent：和 Opus-4.6-Max、K2.6-Thinking 同档。
长文本：MRCR 1M 83.5，超过 Gemini，但低于 Opus。128K 内 retrieval 非常稳，200K 以下基本不丢信息。
数学：HMMT 2026 Feb 95.2，Putnam-2025 拿满分。
真实任务上，中文写作胜率 62.7% 对 Gemini，专业文档、代码工程都有明显提升。短板是 PPT 视觉呈现、最复杂的多轮编码------Opus 还是老大。
API 怎么接？多少钱？
新模型名：deepseek-v4-pro 和 deepseek-v4-flash，base_url 不变。
同时兼容 OpenAI ChatCompletions 和 Anthropic 两套接口。
思考模式默认开，强度 reasoning_effort 取 high 或 max。旧模型名 deepseek-chat 和 deepseek-reasoner 三个月后（7 月 24 号）停用。
定价：
- Pro：缓存命中 1 元/百万 token，未命中 12 元，输出 24 元。
- Flash：0.2 元/1 元/2 元。
注意定价表底下的小字：Pro 目前吞吐有限，预计下半年昇腾 950 超节点批量上市后，价格会大幅下调。
现在就能用
网页、App、API 都已经上线。开源权重在 HuggingFace 和 ModelScope，MIT 协议。
本地部署推荐 temperature=1.0、top_p=1.0。Think Max 建议至少 384K 上下文。
技术报告结尾还画了几个饼：更稀疏的 embedding、低延迟架构、长程 Agent、多模态。
哦对了，V4 现在还不支持多模态。这个饼，还得再等等。
最后说两句
DeepSeek 这次 release，给我的感觉不像是在"发模型"，更像是在"秀肌肉"------从架构到训练到 infra 到后训练，整条链路都在说一件事：我们不是在追，我们在定义自己的路。
1M 上下文全线默认、FP4 量化感知训练、OPD 后训练、DSA 稀疏注意力......这些东西单拎出来一个都够水一篇论文，DeepSeek 一次性全给你，还开源。
你说这是卷吗？
是。
但 卷得漂亮，比躺平更有尊严。
对于咱普通开发者来说，Pro 目前贵且思考链路复杂，Flash 先用起来。下半年昇腾 950 上来之后，Pro 的价格下来，那才是真正的狂欢。
种一棵树最好的时候是十年前，其次是现在。
DeepSeek 这棵树，好像越长越茂盛了。
这里是 HeteroCat 异瞳猫， 上了班之后好久没写文章了。连跨年的文章都鸽了， 哈哈哈😂后面我等我的内容系统做好了会好好输出的。👋