别卷了，DeepSeek V4 来交卷了

最近这一周，我的状态基本上就是：早上起来装一个模型，中午吃饭测一个模型，晚上睡觉前又发一个模型。

昨天最离谱。下午刚跑完 MiMo 的测试，代码还没关，字节的 HY3 就发了。紧赶慢赶把测评写完，凌晨 GPT-5.5 又砸过来了。我寻思这下总能睡了吧，结果今天早上闹钟还没响，DeepSeek V4 的发布公告直接把我炸醒了。

我现在打开 GitHub 的姿势，你感受一下：

这波模型大战的密度，我已经记不清上一次是什么时候了。一周七个，一天四个，大厂们跟商量好了似的集体秀肌肉。

先聊个被很多人问的问题：R2 去哪了？

简单说两句，不然评论区又要被刷屏。

去年 DeepSeek 的产品线是分开的：V3 干通用的活，R1 专门搞推理。到了今年，Claude、GPT 这些头部玩家全都在搞“混合模型”——就是一个模型，你让它多想一会儿它就多想一会儿，不想多想的场景它就秒回。不再分两个产品了。

DeepSeek 从 V3.1 开始也走了这条路，V4 当然也是混合架构。所以 R2 这个代号，大概率就这么退休了。就像 OpenAI 的 o3，也成了最后一代独立推理模型，直接被吞进了 GPT-5。

这个行业正在统一：推理能力不再是独立产品的卖点，而是基础模型的标配开关。

跑分到底怎么样？我帮你捋一下

官方放了不少数据，我一个个点开看了。先说结论：有惊喜，但不炸裂。

我先拉了一张知识推理类的对比表，把最近几个主力模型放在一起看了下。表格数据来源各家的技术报告，口径不一定完全一致，看个大概趋势就行。

DeepSeek V4 最拿得出手的是 SimpleQA 这类知识型测试，跟 Gemini 3.1 Pro 咬得很紧，在开源圈属于断档领先。其他几项就比较中规中矩，第一梯队是稳的，但没有拉开明显差距。

代码这块更有意思。分数上看，算法竞赛类的表现非常抢眼，Codeforces 拿了 3206 分，把 GPT-5.4 都踩下去了。但一到真实工程能力的测试，比如 SWE Verified 这种模拟改 Bug、重构代码的场景，分数就跟顶级闭源模型贴得很近，属于第一梯队但不是压倒性优势。

我顺便截了一张 Arena 的最新排名。DeepSeek V4 目前排第三，压在前面的是 GLM-5.1 和还没完全开源的 MiMo。这个榜单变化很快，今天你是第三，明天可能就第五了，且看且珍惜。

Agent 能力那一栏我多看了两眼。这个方向的评测目前还没有特别统一的标准，但各家内部测试和第三方机构的反馈，V4-Pro 的 Agent 表现确实很能打。

1.6 万亿参数，大了两倍半

V4-Pro 的总参数量是 1.6 万亿。前一代 V3.2 是 6710 亿。翻了将近两倍半。

在很多人觉得“参数规模不太重要了”的今天，DeepSeek 用 V4 说了一句：大就是有效，大就是聪明，大就是领先。

但“大”也有代价。参数涨了，推理成本就压不住。

V4-Pro 的定价是输入 12 元/百万 Token，输出 24 元。V4-Flash 便宜很多，输入 1 元，输出 2 元。换算成美元的话，Pro 输入 3.48。Flash 输入 0.28。

跟海外选手比，还是便宜了大概 60%。 但你要是拿它跟 DeepSeek 自己以前的“价格屠夫”人设比，那确实是涨了。

我拉了一张主要模型的比价图，一目了然：

有个细节务必注意。 DeepSeek 在定价页面底下写了一行小字，大意是：Pro 的推理服务目前“吞吐十分有限”，得等下半年昇腾 950 超节点量产之后，Pro 的价格才能大幅降下来。

翻译一下：不是不想便宜卖，是算力真的不够用。

三驾马车：这次真正的核心

跑分和定价都不是这次的重点。重点在架构。

这次 V4 有三大底层创新，业内已经讨论了挺久，发布前就有各种代码泄露的猜测。现在官宣了，我用人话给你过一遍。

CSA + HCA：让长文本不再“吃”算力

这是 V4 最狠的一招。

你想想传统大模型怎么处理长文本的。每生成一个 Token，它要把前面所有的 Token 都算一遍注意力，计算量跟上下文长度的平方成正比。100 万 Token 的长文本，技术上有，但一直没法大规模商用，因为太贵了。

DeepSeek 这次改了一个东西：它不再“一视同仁”地算注意力了。

CSA 负责快速扫描所有 Token，找出真正相关的那些。HCA 负责把不太重要的部分做一个超强压缩，留下核心信息但不占算力。

效果有多夸张？在 100 万 Token 的极限测试下，V4 的单 Token 推理计算量只有前代的 27%，KV 缓存直接砍到 10%。

这意味着，以前百万 Token 上下文是实验室里的奢侈品，现在是普通人用得起的日用品了。

mHC：给训练装个“限速器”

这个名字看着吓人，其实你可以这么理解：

万亿级参数的大模型，训练的时候有几百层网络。信息在这几百层里传来传去，传统架构下信号的放大倍数能到 3000 倍，训练过程就跟开一辆油门忽大忽小的车一样，很容易翻。

mHC 就是给每一层的信息传递上了一道交通规则，把放大倍数死死压在 1.6 以内。训练稳了，学习率就能调高，整个训练周期就缩短了。

Muon 优化器

这个属于内行看门道的创新。它替代了大家用了多年的 AdamW 优化器，专门为 V4 这种超大规模模型设计的，能让收敛更快更稳，节省大量训练时间。

三驾马车总结一下：一个让推理变便宜，一个让训练变稳定，一个让收敛变快。全打在效率上。

比架构更值得关注的：国产算力 V4 发布当天，华为云就宣布昇腾超节点完成全栈适配。

这背后工程量有多大？DeepSeek 需要把大量原本跑在 NVIDIA GPU 上的 CUDA 代码，迁移到华为的 CANN 架构上。业内管这个叫“飞行中换引擎”，意思是从底层硬件到上层软件全得重新适配，而飞机还不能停下来。

智源 FlagOS 更猛，直接完成了 V4 在 8 款国产芯片上的全量适配，包括海光、沐曦、昇腾、摩尔线程、昆仑芯这些。

我画了一张适配全景图，你感受一下这个阵势：

这件事比任何一个跑分都值得关注。 DeepSeek 作为国内最强开源力量，正在用 V4 把国产算力生态拉进真正的实战场景。而且 MIT 许可证全开源，任何人都能拿去用、拿去改、拿去商用。

写在最后

V4 这次发布，没有去年 R1 那种颠覆式的震撼。跑分没有碾压所有闭源巨头，价格也没有延续“屠夫”的人设。

但它做了一件更难的事：在算力被限制的前提下，靠架构创新把百万 Token 长上下文的门槛打了下来，并且在国产芯片的地基上把这栋楼真正盖了起来。

强不强，是个动态的事。今天你是第一，下周可能就有新模型把你超了。但能不能在最前沿的赛道上，用工程智慧和系统创新杀出一条路，这件事的意义比任何跑分都大。

好了，我去继续跑复杂项目测试了。V4 在真实工程环境的交付质量到底怎么样，测完回来跟你们唠。

⭐ 关注我，星标我，带你第一时间看懂 AI 底层逻辑。