大家好，我是子昕。
DeepSeek V4，本来是 2 月发布的。
现在是 4 月。
中间这三个月，整个行业往前冲了一轮。Claude 4.7 发了，GPT-5.5 发了，国内的 MiMo 2.5 Pro 发了，Kimi K2.6 发了。
所有人都在等 DeepSeek，然后所有人都先走了。
只有它没来。
不是出了问题，是它在做一件必须做成的事。
它为什么迟到了三个月
先说这个，因为这才是这次发布最重要的线索。
V4 推迟的原因，官方没有正面解释，但有几条信息可以拼在一起看。
官方技术报告里明确写道：V4 在英伟达 GPU 和华为昇腾 NPU 两个平台上都完成了方案验证。路透社此前报道，DeepSeek 没有给英伟达或 AMD 提供早期访问权限，而是将早期版本开放给了国内供应链，尤其是华为。
发布当天，华为昇腾 CANN 官方直播了 V4 在昇腾平台的首发，寒武纪同日确认完成 Day 0 适配并开源代码。
36kr 的报道援引知情人士称，延迟与将训练框架适配国产芯片有关，内部也曾出现过训练失败和方向分歧。这条信息来自第三方，不是官方披露，但结合上面那几条放在一起，方向是对得上的。
这不只是一个芯片适配的技术决策，这是一个赌注。
美国的出口管制一直在收紧，中国开发者能买到的英伟达芯片越来越少。
如果 V5、V6 还依赖英伟达，整个技术路线就建立在一个随时可能被掐断的供应链上。这件事必须在 V4 上做成，否则就没有下一步。
它做成了。
如果这条路被验证可行，意味着什么？
国内一众大模型厂商都可以沿着这条路走。整个中国 AI 产业有了一条不依赖美国芯片的技术路径。
这件事，比 V4 跑了多少分更值得关注。
两个模型，定位完全不同
扯完背景，回到模型本身。
这次发了两个版本，都是 MoE 架构，都标配 1M 上下文。
官网和 App 同步上线，专家模式对应 V4-Pro，快速模式对应 V4-Flash，直接可用。
V4-Pro：1.6 万亿总参数，49B 激活参数
- 定位：复杂推理、长链路 Agent、高质量输出场景
- API 定价：输入 12 元/百万 tokens，输出 24 元
- 缓存命中后输入降到 1 元
V4-Flash：284B 总参数，13B 激活参数
- 定位：快速响应、经济型任务、简单 Agent
- API 定价：输入 1 元，输出 2 元
- 缓存命中后输入仅需 0.2 元
1.6 万亿的总参数刷新了国产开源模型的纪录，比上一代 V3.2 的 671B 大了 2.4 倍。
但激活参数只从 37B 增加到 49B------参数规模扩了，但每个 token 实际用到的算力没有等比增长。
知识容量更大，推理效率不掉，这就是 MoE 做大参数的玩法。
Benchmark 怎么看
各模型横向对比，含 DS-V4-Pro、DS-V4-Flash、K2.6、GLM-5.1、Opus-4.6、GPT-5.4、Gemini-3.1-Pro
把这张表里的成绩分层来看：
V4-Pro 的强项
- LiveCodeBench：93.5，表里第一
- HMMT 2026 Feb（数学竞赛）：95.2
- SWE Verified：80.6，和 Claude Opus 4.6（80.8）基本打平
相对弱的地方
- Terminal Bench 2.0：67.9，GPT-5.4 是 75.1，差距不小
- SimpleQA-Verified：57.9，Gemini 3.1 Pro 是 75.6，世界知识这块还有差距
官方的表述是：V4-Pro 已成为公司内部的 Agentic Coding 主力模型，使用体验优于 Claude Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与 Opus 4.6 思考模式存在差距。
没有往高了吹，这句话说得挺实在。
如果只看能力，V4 不是第一梯队的绝对领先者。但如果看成本结构，它可能是这代模型里最重要的一个。
真正值得看的技术：长上下文的成本被打下来了
V4 在技术报告里把自己定义为"基础设施级别的发布"------目标不是能力跃升，而是把长上下文的成本结构重写一遍。
长上下文难落地有个根本原因：
传统 Transformer 每个 token 要和前面所有 token 算一遍相似度，上下文从 10 万 token 拉到 100 万，计算量不是 10 倍，是 100 倍。这是它一直只能当展示参数、不能当标准配置的原因。
V4 在三个地方动了刀：
① 稀疏注意力（DSA）
在 token 维度做压缩，结合 DSA 稀疏注意力机制。
结果是：在 1M 上下文设置下，V4-Pro 的单 token 推理算力消耗只有 V3.2 的 27%，KV Cache 只有 10%。
V4-Flash 更激进，压到 10% 和 7%。上下文拉大 8 倍，单 token 成本反而降了。
② mHC 超连接
解决 1.6 万亿参数模型训练时的不稳定性，通过数学约束让深层网络的前向和反向传播更稳定，训练开销只增加了 6.7%。
③ Agent 专项训练
这次把 Agent 提升为和数学、代码并列的独立专家方向单独训练。
具体改动：工具调用从 JSON 换成带特殊 token 的 XML 结构，降低转义错误；跨轮次推理痕迹完整保留，不再像 V3.2 那样每轮清空------模型能记住它上一步在想什么，长 Agent 任务不容易断链。
DeepSeek 还自建了名为 DSec 的沙箱平台，单集群可并发管理数十万个沙箱实例，专门支撑 Agent 强化学习训练和评测。
V4 已针对 Claude Code、OpenClaw、OpenCode、CodeBuddy 等主流 Agent 产品进行适配优化。
速度和体感
官方数据：首 token 延迟约 800ms，输出约 60 tokens/s。
开发者实测通过聚合接口调用：首 token 约 1.1s，输出约 55 tokens/s。
体感和 V3 差不多，参数量增大到 1.6 万亿，速度没有明显下降------MoE 架构的好处就在这里。
Pro 现在贵，但有个明确的时间节点
V4-Pro 目前 12 元输入、24 元输出，比国内其他旗舰模型贵一些。
官方在定价表备注里说了一句话：预计下半年昇腾 950 超节点批量上市并部署之后，Pro 版本的价格也会大幅度下调。
这句话是关键。
Pro 现在的价格是受算力产能限制的过渡价，不是最终价。等国产芯片产能上来，这条线会被重新划定。
真正打到地板的是 Flash：1 元输入，2 元输出，缓存命中后输入 0.2 元，1M 上下文全线标配。
从今天起，普通开发者可以把 1M 上下文当成默认配置来用，而不是当成 feature 展示。这件事改变的不只是成本，是你写代码时一次能喂进去多少上下文的默认假设。
还没稳定的地方，也要说清楚
这次是预览版，不是正式版。有几点还需要时间验证：
昇腾生态的稳定性：在华为芯片上跑通是第一步，但工具链、生态成熟度和英伟达生态还有差距，实际工程体验需要更多时间验证。
推理成本的真实情况：官方说 1M 上下文下成本结构改善明显，但目前独立复现数据还不多，实测结论需要等社区跑出更多数据。
Pro 的供应瓶颈：官方明确说了高端算力产能有限，Pro 目前吞吐受限。高并发场景下是否稳定，还是个问号。
最后
V4 不是那种让你看完 benchmark 就兴奋的发布。
它做的事情更底层，也更难被感知：
把长上下文的推理成本打下来，让 1M 上下文不再只是参数展示，让国产芯片第一次进入正式技术文档里的硬件验证清单。
更重要的是它证明的那件事------在芯片受限的条件下，中国可以训出世界一流的大模型，可以走一条不依赖英伟达的路。
这件事如果成立，影响的不只是 DeepSeek，是整个中国 AI 产业的下一步。
至于它的模型能力够不够强，这个问题会有答案------等 Pro 的价格打下来，等生态跑稳，等社区跑出更多实测数据。
那时候再说。
更多内容，欢迎关注微信公众号【子昕AI编程】~