DeepSeek V4预览版解析：Flash、Pro、1M上下文与落地重点

DeepSeek V4 预览版发布后，讨论很快聚焦到了几个词：Flash、Pro、1M 上下文、价格、推理模式。

如果只把这次发布理解成"参数继续变大"，其实有点低估它了。V4 这次更像一轮产品化升级，不只是模型升级。能力、价格和接入方式，它都一起摆到了台面上。

先看官方确认的信息

这次公开的是两款预览版模型：

• DeepSeek-V4-Pro：1.6T 总参数，49B 激活参数
• DeepSeek-V4-Flash：284B 总参数，13B 激活参数

二者都是 MoE 架构，支持 1M 上下文，开放权重，支持 API 调用。

从产品设计上看，这个组合很像主流厂商常见的"旗舰 + 高性价比款"：

• Pro 负责能力上限
• Flash 负责低成本和高吞吐

这点很关键。很多模型不是能力不够，而是产品线太单一，最后很难进入真实业务选型。

这次技术升级到底升级在哪

V4 这次最值得看的，不只是从 V3.2 往上堆到了更大的参数规模，而是它在长上下文效率上给出了更明确的说法。

按照官方模型卡，V4 的核心升级主要包括三块：

1. Hybrid Attention

DeepSeek 把 Compressed Sparse Attention 和 Heavily Compressed Attention 组合起来，目标是让超长上下文不只是"理论支持"，而是尽量变成"可用能力"。

官方给出的说法是：在 1M 上下文场景下，V4-Pro 的单 token 推理 FLOPs 只有 V3.2 的 27%，KV Cache 只有 10%。

这个数字后续当然还需要第三方验证，但技术方向是清楚的：V4 要解决的是长上下文的真实成本问题，而不只是把规格表写得更好看。

2. mHC

Manifold-Constrained Hyper-Connections 听起来很学术，但本质上是在处理超大模型训练稳定性问题。模型越大、层越深，训练越容易不稳，这类设计就是为了减少这种风险。

3. Muon Optimizer

这个点说明 DeepSeek 这次不是只在后训练上调一调，而是把训练效率和收敛稳定性也一起纳入了升级范围。

为什么大家这两天讨论最凶的是 Flash

表面上看，最容易吸引注意力的是 1.6T 的 Pro。真到落地层面，大家讨论得更多的却是 Flash。

原因很简单，Flash 的价格太有攻击性了。

官方定价：

• V4-Flash：输入每百万 token 0.14 美元，输出 0.28 美元
• V4-Pro：输入每百万 token 1.74 美元，输出 3.48 美元

这个价差意味着什么？意味着很多团队在做选型时，问题会从"谁最强"变成"Flash 到底够不够用"。

而从官方 benchmark 看，Flash 和 Pro 之间有差距，但不是所有场景都差得离谱。像 SWE-Bench Verified、LiveCodeBench 这些任务上，Flash 并没有被 Pro 甩开到完全不可用的程度。

所以这轮讨论真正有现实意义的地方，不是 Pro 能不能冲到最顶，而是 Flash 会不会成为更高频的默认款。

V4-Pro 很强，但别把它写成"全面横扫"

这一点也要讲清楚。V4-Pro 在代码、部分数学和 agent 任务上的成绩确实很硬。比如：

• LiveCodeBench：93.5
• Codeforces：3206
• SWE-Bench Verified：80.6
• Terminal Bench 2.0：67.9

这些数字足够说明它已经站到了开源模型里非常靠前的位置。

但它并不是每项都第一。

比如在 MMLU-Pro、Terminal Bench 2.0、SWE-Pro 这些指标上，它并没有形成"所有竞品都压过去"的局面。更准确的表述应该是：DeepSeek V4-Pro 把开源模型的上限继续往前推了，但还不是可以直接宣布"闭源前沿模型全面失守"的阶段。

这也是为什么这两天的讨论会明显分成两派：

• 一派觉得开源模型终于又追近了一截
• 一派更关心这些成绩有多少能被第三方复现

两边其实都没错，只是关注点不一样。

还有一个实用点：推理模式终于做得更清楚了

这次模型卡里明确给了三档推理模式：

• Non-think
• Think High
• Think Max

同时 API 文档里也提供了：

• thinking 开关
• reasoning_effort 控制

这对工程接入是个很实在的提升。因为真实系统里，并不是所有请求都值得走高推理成本。把模式拆清楚以后，开发者可以按任务复杂度做更细粒度调度，而不是一刀切。

从落地角度看，V4 这次最重要的信号是什么

如果只用一句话概括，我会说：DeepSeek 正在把开源模型从"会刷分"往"能接进系统"推。

这次发布真正值得注意的，不是某一个 benchmark，而是它把几件以前分散的事同时做了：

• 双模型产品线
• 明确的推理模式
• 1M 上下文
• 比较激进的价格
• API 迁移路径

尤其是定价页已经说明，deepseek-chat 和 deepseek-reasoner 未来会映射到 deepseek-v4-flash 的不同模式。对已有接入方来说，这说明迁移不是推倒重来，至少路径已经给出来了。

结语

如果你问 DeepSeek V4 预览版这次最该怎么看，我的答案不是"又一个更大的模型来了"，而是：开源模型终于又一次把竞争重点拉回到了真实落地。

接下来最值得继续观察的有三件事：

1. 官方成绩能不能被第三方大体验证
2. Flash 会不会因为价格优势变成更常见的默认选项
3. 1M 上下文在真实任务里到底值不值那个成本

如果这三件事里成立两件，V4 这次发布的意义就不会只停留在热搜和表格上。