DeepSeek V4終于亮相。2026年4月24日，AI圈的平靜被一封發(fā)布稿打破。深度求索團(tuán)隊(duì)在官網(wǎng)和社交媒體上同步宣布：全新系列模型DeepSeek-V4預(yù)覽版正式上線并開源，即日起登錄官網(wǎng)或App即可體驗(yàn)。

這是一次略顯突然的發(fā)布。就在幾天前，硅谷還在熱議OpenAI的GPT-5.5和Anthropic的Claude Opus 4.6，全球AI領(lǐng)域的競爭早已呈現(xiàn)“萬類霜天競自由”的氣象。距離DeepSeek上一次讓全球AI行業(yè)震動(dòng)已經(jīng)過去了近16個(gè)月。

時(shí)間回到2025年初。R1發(fā)布當(dāng)天，行業(yè)迅速沸騰，中國AI團(tuán)隊(duì)用不到600萬美元的算力成本訓(xùn)練出能與GPT-4正面競爭的模型，英偉達(dá)股價(jià)應(yīng)聲暴跌。那一周，DeepSeek同時(shí)登頂中美App Store下載榜首，“中國AI奇跡”的敘事鋪天蓋地。

在這近16個(gè)月的時(shí)間里，智譜和MiniMax先后登陸資本市場，市值一度沖破3000億元；豆包、Qwen密集發(fā)布新版本，頻頻登頂各類榜單；Anthropic推出Claude 4系列，OpenAI迭代至GPT-5.5。而DeepSeek在V3之后長達(dá)近16個(gè)月的時(shí)間里，只推出了幾個(gè)跑分變化不大的中間版本，外界關(guān)于“DeepSeek是否后繼乏力”的猜測此起彼伏。

DeepSeek V4的發(fā)布略顯樸素，沒有任何預(yù)熱，也沒有發(fā)布會(huì)。官方技術(shù)報(bào)告中坦誠地寫道，V4的能力水平仍落后GPT-5.4和Gemini-3.1-Pro，“發(fā)展軌跡大約滯后前沿閉源模型3至6個(gè)月”。在國內(nèi)AI發(fā)布稿里，這種主動(dòng)承認(rèn)差距的寫法相當(dāng)罕見。

但真正值得關(guān)注的是V4解決了一個(gè)困擾大模型行業(yè)多年的根本問題：長上下文的成本困境。傳統(tǒng)Transformer架構(gòu)有一個(gè)致命的擴(kuò)展難題——注意力機(jī)制的計(jì)算量隨上下文長度呈平方級(jí)增長。上下文翻倍，計(jì)算量翻四倍。這意味著，把上下文從128K擴(kuò)展到100萬token，理論上計(jì)算量會(huì)增長約60倍。

這也是為什么長期以來，百萬字上下文要么是Google Gemini的獨(dú)家王牌，要么是實(shí)驗(yàn)室里的漂亮數(shù)字，太貴了，用不起。V4給出的解法是一種全新的混合注意力架構(gòu)。通俗地解釋，就像你在讀一本1000頁的書時(shí)找某個(gè)觀點(diǎn)的關(guān)聯(lián)內(nèi)容。笨辦法是把目標(biāo)頁和其他999頁逐一比對，工作量隨頁數(shù)翻倍而變成四倍。聰明的辦法是：先粗略判斷哪些頁面可能相關(guān)（稀疏選擇），再把相關(guān)頁面壓縮成摘要（token壓縮），兩步疊加之后，工作量增長曲線被大幅壓平。

這正是V4的核心創(chuàng)新：CSA（壓縮稀疏注意力）和HCA（高度壓縮注意力）的混合架構(gòu)。在1M上下文設(shè)置下，V4-Pro的單token推理算力只有上一代V3.2的27%，KV緩存僅需10%；更經(jīng)濟(jì)的V4-Flash版本則將這兩個(gè)數(shù)字分別壓到了10%和7%。換句話說，上下文長度擴(kuò)大了近8倍，但推理成本反而下降了。

V4一口氣發(fā)布兩個(gè)版本：DeepSeek-V4-Pro總參數(shù)1.6萬億、每次推理激活49B；DeepSeek-V4-Flash總參數(shù)284B、激活13B。兩者均原生支持100萬token上下文。理解這兩個(gè)數(shù)字需要先理解MoE（混合專家）架構(gòu)。簡單講，V4內(nèi)部有大量“專家”子網(wǎng)絡(luò)，每次處理信息時(shí)只激活其中一小部分?？倕?shù)決定知識(shí)容量，激活參數(shù)決定推理成本。這就像一家公司有1600個(gè)身懷絕技的員工，但每個(gè)項(xiàng)目只調(diào)49人上陣，可以按需靈活組合。

在能力評(píng)估上，DeepSeek的措辭相當(dāng)克制。發(fā)布稿明確表示：V4-Pro的Agent能力優(yōu)于Sonnet 4.5，交付質(zhì)量接近Opus 4.6非思考模式，但仍與后者思考模式存在差距。在內(nèi)部85名開發(fā)者和研究人員的調(diào)研中，超過九成認(rèn)為V4-Pro已可作為首選或接近首選的編程模型。在數(shù)學(xué)、STEM、競賽型代碼等推理密集型任務(wù)上，V4-Pro超越所有已知開源模型，比肩頂級(jí)閉源產(chǎn)品；在Codeforces人類選手排行榜上，V4-Pro-Max位列第23名；但在世界知識(shí)方面——事實(shí)性信息的覆蓋廣度，僅稍遜于Gemini-Pro-3.1。這個(gè)差距來自數(shù)據(jù)：Google擁有搜索引擎索引和更大規(guī)模網(wǎng)頁抓取的結(jié)構(gòu)性優(yōu)勢，不是算法可以短期彌補(bǔ)的。

V4-Flash則定位為明確的性價(jià)比之選。很多人看到Pro和Flash兩個(gè)檔位，第一反應(yīng)是“Flash就是降配版”，但實(shí)際并非如此。V4-Flash的推理能力與Pro接近，世界知識(shí)稍遜，而在Think Max模式下，性能可以大幅追近Pro：LiveCodeBench Flash Max達(dá)到91.6，Codeforces Flash Max Rating達(dá)到3052，與Pro Max的差距已相當(dāng)有限。

V4在Agent能力上的提升幅度引人注目。但這一點(diǎn)需要更細(xì)致的理解。Agent任務(wù)的核心約束一直是上下文管理：任務(wù)鏈越長，需要維護(hù)的狀態(tài)越多，有限的上下文窗口很快就成為瓶頸。V4的1M窗口意味著，Agent可以在更長的操作鏈里保持狀態(tài)連貫，處理更大規(guī)模的代碼庫，跨越更多文檔進(jìn)行推理。

不只是模型變聰明了，底層條件也變了。V4專門針對 Claude Code、OpenClaw、OpenCode、CodeBuddy等主流Agent產(chǎn)品做了適配優(yōu)化。后訓(xùn)練階段，Agent是作為與數(shù)學(xué)、代碼并列的獨(dú)立方向單獨(dú)訓(xùn)練的；工具調(diào)用格式從JSON換成了帶特殊token的XML結(jié)構(gòu)以降低錯(cuò)誤率；跨輪次的推理痕跡在工具調(diào)用場景下完整保留，不再每輪清空。另外，DeepSeek還搭建了一套名為DSec的沙箱平臺(tái)，單集群可并發(fā)管理數(shù)十萬個(gè)沙箱實(shí)例，專門用來支撐Agent強(qiáng)化學(xué)習(xí)訓(xùn)練和評(píng)測。

這些細(xì)節(jié)指向同一個(gè)方向：V4不是在做“更強(qiáng)的聊天機(jī)器人”，而是在做“能干活的操作系統(tǒng)”。

另外，V4最核心的技術(shù)改動(dòng)，是在注意力層。傳統(tǒng)Transformer的注意力機(jī)制，每個(gè)token要和前面所有token逐一計(jì)算相似度。上下文從10萬拉到100萬，計(jì)算量增長的不是10倍，而是100倍。V4的做法是把注意力拆成兩種，交替疊用：一種是CSA（壓縮稀疏注意力），先把每若干token的KV緩存合并成摘要，再讓每個(gè)query只在這些摘要里挑選最相關(guān)的top-k條去算注意力——相當(dāng)于既壓縮了“要看的內(nèi)容”，又只挑“值得看的”去算；另一種是HCA（高壓縮注意力），用更激進(jìn)的壓縮率把更長區(qū)間的token合并為一條，但保持稠密注意力。兩種機(jī)制交替疊加，再加上一個(gè)滑動(dòng)窗口分支處理“離得近的token之間的細(xì)節(jié)依賴”，形成了一套粗粒度與細(xì)粒度、稀疏與稠密的組合拳。

除了注意力層，V4還在殘差連接和優(yōu)化器上動(dòng)了刀。傳統(tǒng)殘差連接被升級(jí)為mHC（流形約束超連接），通過數(shù)學(xué)約束讓深層網(wǎng)絡(luò)的信號(hào)傳播更穩(wěn)定；大部分模塊的優(yōu)化器從AdamW換成了Muon，通過迭代正交化梯度矩陣來加速收斂。這是DeepSeek第一次同時(shí)動(dòng)Transformer的注意力、殘差、優(yōu)化器這三處核心結(jié)構(gòu)。

后訓(xùn)練方法同樣換了范式。V3.2用的是“混合RL”，一次性優(yōu)化多個(gè)目標(biāo)。V4則換成了“分化再統(tǒng)一”的兩步走：先針對數(shù)學(xué)、代碼、Agent等不同領(lǐng)域獨(dú)立訓(xùn)練專家模型，每個(gè)專家都在自己的賽道上跑到最優(yōu)；再用一種叫On-Policy Distillation的方法，把十多個(gè)領(lǐng)域?qū)＜摇罢麴s”回一個(gè)統(tǒng)一的學(xué)生模型——學(xué)生自己生成回答，針對每個(gè)回答匹配最懂這個(gè)問題的專家的輸出分布，通過logit級(jí)對齊把能力吸收進(jìn)來。用通俗的話說，把一堆尖子生蒸餾成一個(gè)通才。

這套流程的工程難度在于：同時(shí)加載十多個(gè)萬億參數(shù)級(jí)的教師模型做在線推理幾乎不可能。DeepSeek的做法是把所有教師權(quán)重統(tǒng)一卸載到分布式存儲(chǔ)，只緩存每個(gè)教師最后一層的hidden state，訓(xùn)練時(shí)按教師索引排序樣本，保證任意時(shí)刻GPU顯存里只駐留一個(gè)teacherhead。

從2025年初到今天，V3.1、V3.2那些“沒什么亮點(diǎn)”的中間版本，當(dāng)時(shí)看似乎是在原地踏步?，F(xiàn)在回頭看，DSA稀疏注意力的種子、TileLang替代CUDA的嘗試、Engram架構(gòu)的早期驗(yàn)證，都是在那時(shí)悄悄種下的，V3.2正是V4的地基。

如果說技術(shù)架構(gòu)的革新是V4的“明線”，那么對國產(chǎn)芯片產(chǎn)業(yè)鏈的重塑，則是這次發(fā)布最容易被低估的“暗線”。要理解這條暗線的分量，需要先理解過去兩年AI競爭的核心邏輯。大模型發(fā)展至今，行業(yè)的共識(shí)是：訓(xùn)練看算力，推理看顯存。在訓(xùn)練階段，誰能買到更多高端GPU，誰能堆出更大集群，誰就更有機(jī)會(huì)做出更強(qiáng)的基礎(chǔ)模型。

英偉達(dá)憑借H100/A100系列GPU和CUDA生態(tài)，在這個(gè)階段建立了看似難以逾越的護(hù)城河。但大模型做出來之后，真正決定商業(yè)化速度和產(chǎn)業(yè)滲透深度的，是推理。尤其是以O(shè)penClaw、Hermes為代表的Agent應(yīng)用爆發(fā)后，推理的成本結(jié)構(gòu)發(fā)生了根本性變化。Agent任務(wù)的特點(diǎn)是上下文越來越長、記憶越來越深、工具調(diào)用越來越頻繁。在這個(gè)場景下，GPU的顯存會(huì)被KV緩存撐爆，大模型的推理質(zhì)量急劇下降。

推理的第一個(gè)瓶頸，不是算力不夠，是“記憶”和“計(jì)算”在搶同一塊顯存。這正是國產(chǎn)芯片最大的短板所在。受限于先進(jìn)制程，國產(chǎn)GPU在算力峰值上尚可追趕，但在顯存容量和帶寬上與英偉達(dá)存在代際差距。英偉達(dá)最新一代Rubin GPU搭載288GB HBM4內(nèi)存，而國產(chǎn)芯片如昇騰910B的顯存容量為64GB。如果按照傳統(tǒng)架構(gòu)跑長上下文推理，這個(gè)差距幾乎是致命的。

DeepSeek V4的解題思路，不是硬拼硬件，而是從架構(gòu)層面重構(gòu)了“記憶”和“計(jì)算”的關(guān)系。這涉及兩個(gè)關(guān)鍵創(chuàng)新：其一，CSA/HCA混合注意力機(jī)制大幅壓縮了KV緩存占用，1M上下文下，V4-Pro的KV緩存僅為V3.2的10%，V4-Flash更是壓到7%。其二，據(jù)公開論文推測，V4采用的Engram架構(gòu)把模型里那些“死記硬背”的靜態(tài)知識(shí)抽出來放入獨(dú)立的內(nèi)存表，推理時(shí)CPU負(fù)責(zé)“查字典”檢索知識(shí)，GPU只負(fù)責(zé)“想邏輯”計(jì)算推理，兩者完全重疊執(zhí)行。當(dāng)GPU在算上一個(gè)詞的邏輯時(shí)，CPU已經(jīng)把下一個(gè)詞所需的知識(shí)搬到了門口。

延遲被這種并行架構(gòu)徹底掩蓋。結(jié)果是什么？一個(gè)原本需要80GB顯存才能跑的長上下文推理任務(wù)，在Engram架構(gòu)下可能只需要8GB顯存。英偉達(dá)引以為傲的HBM顯存稀缺性，在這套架構(gòu)面前被大幅削弱。國產(chǎn)芯片那64GB的顯存容量，突然變得夠用了。

這解釋了為什么黃仁勛會(huì)在近期訪談中做出一個(gè)意味深長的假設(shè)。他說，如果DeepSeek新模型在華為平臺(tái)上首發(fā)，“這一天對美國來說將是一個(gè)可怕的結(jié)果，因?yàn)檫@意味著AI模型被優(yōu)化為在中國AI硬件上表現(xiàn)最佳，而這些模型擴(kuò)散到全球之后，就會(huì)推動(dòng)中國技術(shù)成為世界標(biāo)準(zhǔn)?！?/p>

而DeepSeek恰恰這么做了。V4這次沒有按行業(yè)慣例給英偉達(dá)早期測試權(quán)限，而是把提前適配的機(jī)會(huì)獨(dú)家開放給了華為昇騰和寒武紀(jì)。目標(biāo)是實(shí)現(xiàn)從CUDA生態(tài)到華為CANN框架的整體遷移。V4技術(shù)報(bào)告第3.1節(jié)將華為昇騰NPU與英偉達(dá)GPU并列寫進(jìn)硬件驗(yàn)證清單——這是DeepSeek官方第一次這樣做。V4的MoE專家權(quán)重和稀疏注意力索引器采用FP4精度，而FP4恰好是華為昇騰950PR芯片的原生支持精度。

這不是巧合，這是一條被悄悄鋪了很久的路。產(chǎn)業(yè)鏈的傳導(dǎo)效應(yīng)已經(jīng)顯現(xiàn)。據(jù)有關(guān)媒體報(bào)道，阿里巴巴、字節(jié)跳動(dòng)和騰訊等科技巨頭已提前下單華為新一代AI芯片，訂單規(guī)模達(dá)數(shù)十萬顆。在華為之外，寒武紀(jì)在軟硬一體生態(tài)中已完成對V4全系列的Day 0適配，適配代碼開源至GitHub社區(qū)。沐曦股份預(yù)期2026年將扭虧為盈，有望成為繼寒武紀(jì)之后另一家盈利的國產(chǎn)GPU廠商。當(dāng)DeepSeek用萬億參數(shù)級(jí)別的模型驗(yàn)證了國產(chǎn)芯片可以承載頂級(jí)大模型的推理，整個(gè)生態(tài)的底氣就變了。

并且，從更宏觀的視角看，這件事改變的不僅是芯片選型，更是AI產(chǎn)業(yè)鏈的利潤分配邏輯。過去兩年，英偉達(dá)憑借GPU壟斷攫取了AI爆發(fā)期最豐厚的利潤，其數(shù)據(jù)中心業(yè)務(wù)毛利率長期維持在70%以上。而當(dāng)一家開源模型的架構(gòu)創(chuàng)新能夠進(jìn)一步降低顯存需求，能夠跑通國產(chǎn)芯片并實(shí)現(xiàn)推理成本的大幅下降，英偉達(dá)的定價(jià)權(quán)就不再是鐵板一塊。

盡管短期內(nèi)英偉達(dá)在高端訓(xùn)練GPU和CUDA生態(tài)上的優(yōu)勢仍難替代，但推理市場，這個(gè)遠(yuǎn)比訓(xùn)練更廣闊、更具持續(xù)性的市場的游戲規(guī)則正在被改寫。這就是DeepSeek“曲線救國”的邏輯：不是在單卡性能上硬碰硬，而是用系統(tǒng)級(jí)優(yōu)化、軟硬協(xié)同和架構(gòu)創(chuàng)新，重新定義了競爭維度。

正如一位GPU企業(yè)人士所說，國內(nèi)廠商都是戴著“鐐銬”與英偉達(dá)同臺(tái)競技。而V4證明了一件事：戴著鐐銬也可以起舞，甚至能跳出一支讓對方緊張的舞。

V4發(fā)布稿結(jié)尾，DeepSeek引了一句荀子：“不誘于譽(yù)，不恐于誹，率道而行，端然正己?！边@句話放在DeepSeek一路走來的故事語境里，意味深長。過去一年多，DeepSeek在外界的敘事里經(jīng)歷了過山車般的起伏。2025年初V3和R1爆火后，媒體將其捧上神壇，“中國AI奇跡”的敘事鋪天蓋地。隨后一年多，當(dāng)Anthropic、OpenAI密集發(fā)布新模型，而DeepSeek只推出幾個(gè)跑分變化不大的中間版本時(shí)，關(guān)于“后繼乏力”的質(zhì)疑又此起彼伏。在這個(gè)崇尚競爭和結(jié)果說話的行業(yè)里，掌聲和噓聲都來得極快。

而梁文鋒似乎始終活在自己的節(jié)奏里。在DeepSeek內(nèi)部，梁文鋒更多扮演著一個(gè)導(dǎo)師的角色：組織研發(fā)、協(xié)調(diào)資源，也做具體研究，在共同成果上署名為通訊作者。他幾乎把所有時(shí)間投入選定的少數(shù)事情上，不做融資、不參加團(tuán)建、很少和成員聚餐。DeepSeek至今保持著一些在全球AI圈都極其罕見的習(xí)慣：不打卡、沒有明確的績效考核，平日里多數(shù)員工會(huì)在下午六七點(diǎn)離開公司。在梁文鋒看來，一個(gè)人每天能高質(zhì)量工作的時(shí)間很難超過6到8小時(shí)，加班疲勞下的昏庸判斷反而會(huì)浪費(fèi)寶貴的算力資源。

接近過梁文鋒的人曾評(píng)價(jià)：“他是一個(gè)特別抗噪音的人。”這種抗噪音的能力，解釋了DeepSeek為何沒有在R1爆火后乘勝追擊放大招，而是沿著自己選定的方向繼續(xù)深耕效率優(yōu)化、架構(gòu)改進(jìn)和一些“非主流”探索。梁文鋒認(rèn)同的AGI目標(biāo)有兩層含義：一是基于國產(chǎn)生態(tài)來做大模型，他曾提出過“能不能用現(xiàn)存的一部分算力，就實(shí)現(xiàn)現(xiàn)在所有的智能”的假設(shè)；二是做“原創(chuàng)式創(chuàng)新”，做一些大廠或其它創(chuàng)業(yè)公司不會(huì)去試、不愿去試的方向。

這或許也能解釋V4為何選擇在這個(gè)時(shí)間點(diǎn)發(fā)布。不急不躁，按自己的節(jié)奏出牌，在技術(shù)成熟度、生態(tài)適配和成本重構(gòu)都到位的節(jié)點(diǎn)，一擊中的。也就在V4發(fā)布后，一個(gè)容易被忽略的細(xì)節(jié)值得被重新提起：截至2026年4月，斯坦福大學(xué)HAI實(shí)驗(yàn)室發(fā)布的年度《AI指數(shù)報(bào)告》顯示，中美大模型性能差距已收窄至2.7%，基本實(shí)現(xiàn)技術(shù)追平。

這個(gè)數(shù)字的背后，是兩種截然不同的路徑。美國走的是“算力堆疊+商業(yè)驅(qū)動(dòng)”的路，用全球最強(qiáng)的GPU、最充裕的資本、最激進(jìn)的商業(yè)化來推動(dòng)模型能力不斷突破；中國走的是另一條路，一條在算力受限、芯片被卡的條件下，只能靠架構(gòu)創(chuàng)新和系統(tǒng)優(yōu)化來“戴著鐐銬起舞”的路。DeepSeek V4的每一項(xiàng)創(chuàng)新背后都能嗅到一個(gè)共同的動(dòng)機(jī)：如何在更少的顯存、更低的算力、更受限的硬件條件下，榨出更多的智能。

可以說，DeepSeek V4不是終點(diǎn)，甚至不是一次高潮。它是一個(gè)信號(hào)，一個(gè)在算力受限的逆風(fēng)局里，依然可以用原創(chuàng)架構(gòu)打開新空間的信號(hào)；一個(gè)頂級(jí)開源模型不再必須綁定在英偉達(dá)芯片上的信號(hào)；一個(gè)沒有融資、不卷加班、按自己節(jié)奏前行的團(tuán)隊(duì)，依然能站在第一梯隊(duì)的信號(hào)。

中國人工智能要走的路或許還很長，但方向并不迷茫。