【科技圈De那点事-报道】4月24日，DeepSeek V4 预览版正式上线，并且直接开源。这是继 V3 之后，深度求索的最新一代大模型。同一天，OpenAI 也发了 GPT-5.5。

这天，科技圈同时收到两份重量级"礼物"。

一边是 OpenAI 的 GPT-5.5，另一边是 DeepSeek 的 V4 预览版。两个模型选在同一天亮相，火药味浓了不少。DeepSeek 的姿态很明确：不仅上线，还直接开源。

发布消息在海外刷屏。官方推文短时间内收获了数万点赞和数百万次浏览，评论区挤满了人。有人直接在底下留言："开源人工智能之王回归了。"

不过，关注度太高也带来一些噪音。此前有人谣传 DeepSeek 迫于压力不会开源 V4，甚至引发了开源社区的一阵恐慌。DeepSeek 不得不在推文下留言辟谣：请仅以官方账号发布的新闻为准。现在这些谣言被 V4 的全模型、全量开源彻底击碎了。

1.6T参数，DeepSeek V4有两个版本

DeepSeek V4 这次不是单一模型，而是两个版本：Pro 和 Flash。

Pro 版本走性能路线，总参数1.6T，激活参数49B。Flash 版本走速度路线，总参数284B，激活参数13B。两者都是 MoE 架构，支持百万字上下文。

这种双版本策略和 OpenAI 的 GPT-4/GPT-4o 打法类似，一个偏重能力上限，一个偏重响应速度。DeepSeek 借助算法优化了两个模型的参数调用，让 Flash 在日常任务中的表现和 Pro 几乎相同。写邮件、做摘要、整理数据这些轻量任务，用 Flash 就够了，Token 成本可以省一大截。

Flash 版本还有个值得注意的特性：支持 Thinking Mode。开发者可以通过 reasoning_effort 参数来调节推理深度，有 high 和 max 两档。同一个模型，既能快速给答案，也能花更多时间做深度推理。对写代码、做数学推导这些场景，这个开关很有用。

从 API 文档来看，Flash 在 thinking 模式下会返回 reasoning_content 字段。模型的思考过程被暴露出来了，这对需要理解"它怎么想的"的开发者来说，是个实用功能。

在已有的测试中，DeepSeek V4 在开源模型里几乎拿到了第一。专注于评估大语言模型的排行榜 Vals AI 直接在社交媒体上宣布："DeepSeek-V4 现在是我们 Vibe Code Benchmark 上排名第一的开源权重模型，而且差距明显。甚至击败了像 Gemini 3.1 Pro 这样的前沿闭源模型。"

密歇根州立大学理论物理学教授 Steve Hsu 贴出一段让模型推演复杂问题的推理轨迹，评价其"在数学和物理方面又快又聪明，最终结果精致且准确"。英伟达人工智能研究员 Rick Lamers 看了内部基准测试后说："在智能体工程方面的可用性看起来非常高。"

对一个开源模型来说，这个成绩单不算差。

百万字上下文

DeepSeek V4 最引人注目的升级，是支持百万字级别的超长上下文。

这个参数放在纸面上不够直观。你可以把一部长篇小说、一整年的财报数据，或者一个大型项目的全部代码库，一次性丢给它。让它在这些内容之间做关联分析、交叉引用、总结提炼。不是分段处理，是全部内容一次性理解。

律师审合同、研究员读文献、程序员看代码库，上下文长度直接决定了模型能不能"看全"，再"说对"。之前很多模型号称支持长上下文，用到一半就开始遗忘前面的内容。DeepSeek V4，把这道墙往上推了一大截。

开源的逻辑

从 V2 到 V3，再到今天的 V4，DeepSeek 的开源策略一直没变。

模型权重同步放出，开发者可以直接下载部署。腾讯 EdgeOne、FlagOS 等平台，今天已经上线了基于 V4 的部署方案。FlagOS 的仓库显示，V4 支持 256 路专家并行的 MoE 架构，兼容 FP8 和 FP4 量化格式，可以一键反量化为 BF16 精度运行。

这种开源节奏在国产大模型里不多见。更多厂商把最好的模型，留在自家平台里，用 API 收费。DeepSeek 的做法是另一种打法：开源圈开发者，开发者反过来推动技术迭代。

定价出来了

从 AI-Stats 平台的实测数据来看，GMICloud 上 DeepSeek V4 Pro 的折扣价已经明确。输入端每百万 token 1.392 美元，输出端每百万 token 2.784 美元。平台上有 standard 折扣价和 list 原价两种定价，目前走的是折扣路线。

不过 DeepSeek 官方的说法是，受限于高端算力，目前 Pro 的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro 的价格会大幅下调。Flash 版本的定价更低，官方定位就是走低成本路线。

国产芯片适配

值得一提的是，今日热搜里有一条信息值得注意：DeepSeek V4 适配国产芯片。

这个说法虽然简短，背后的动作不小。华为、寒武纪等国产芯片企业深度参与了 V4 的开发过程，和 DeepSeek 一起基于国产芯片重构算法逻辑、做生态适配。发布首日，适配的国产 AI 芯片数量超过了英伟达芯片。寒武纪也在首日就宣布支持 V4。

英伟达 CEO 黄仁勋在 4 月中旬的一期播客访谈中直接表态："DeepSeek 的进步意义重大。要是哪天像 DeepSeek 这样的成果先在华为平台上出现，那对美国会是非常糟糕的结果。"他担心 DeepSeek 针对华为架构做优化后，英伟达会处于劣势。黄仁勋的担忧不是没有道理。

从训练到推理，DeepSeek 早期版本仍然是在英伟达硬件上训练出来的，后续才逐渐转向华为昇腾。而且首批硬件访问权限仅提供给华为，等于是拉着华为一起做"联合研发"。这种做法的效果很直接：基于昇腾950超节点，V4-Pro 在8K输入场景下可实现约20ms的单 token 解码时延，单卡 Decode 吞吐约4700 TPS。V4-Flash 则能做到约10ms时延，单卡吞吐约1600 TPS。据雷科技报道，这个性能是英伟达 H20 算力卡的2.87倍。

这些数字的意义，不是让国产芯片的海报上多几串参数，而是让市场第一次可以用接近真实应用的方式去评估国产 AI 算力。大模型推理不是简单看芯片峰值算力，还要看显存访问、并行调度、低精度计算、通信效率和推理框架的协同。

更关键的是，DeepSeek V4 还给国产大模型蹚了路。Qwen、豆包、kimi 这些头部模型，此前都是基于 CUDA 生态研发的，想在昇腾上跑通需要借助兼容层，牺牲效率换硬件成本。DeepSeek V4 直接基于国产芯片做深度适配，证明这条路是跑得通的。国产芯片不是不能做 AI，只是之前缺少足够强、足够主流的真实业务负载去验证。

还有个技术细节值得关注：V4 引入了 mHC 架构，核心是"查算分离"。以前 AI 模型的查资料和推算都在 GPU 上完成，既挤占算力也占显存。mHC 架构把静态数据存储在 CPU 的系统内存里，GPU 只处理推理所需的数据。这样一来，万亿参数规模的模型无需堆叠昂贵的显卡阵列就能完成本地化部署，CPU 内存成了新的"弹药库"。

两条路线

两个重量级模型选在同一天发布，很难说完全是巧合。

OpenAI 的 GPT-5.5 走闭源路线，API 优先，面向全球付费用户。DeepSeek V4 走开源路线，权重可下载，更重视开发者生态和本地化部署。两条路线没有高下之分，但竞争态势已经摆在这里了。

外媒这边，CNBC 的标题直接用了"as AI race intensifies"（AI竞赛加剧）作为副标题。Gulf News、Northeast Mississippi Daily Journal 等多家媒体同步报道了 DeepSeek V4 的发布，覆盖面和关注度都不低。

知乎热榜排名第一的问题就是"DeepSeek V4 预览版本上线并同步开源，哪些亮点值得关注"，热度远超同期其他话题。开源策略在开发者社区里的号召力，并不比闭源模型的品牌光环弱。

写在最后

DeepSeek V4 的发布，是国产大模型开源路线的又一次验证。

不是每家厂商都有底气，把最新最好的模型开源出来。这需要技术实力，也需要做生态的野心。1.6T参数、双版本、百万字上下文、Apache 2.0 开源——这些数字和条款放在一起，V4 的竞争力已经不只是"便宜"这么简单。

不过开源的同时，DeepSeek 也面临人才流动的问题。此次 V4 技术报告披露了近 300 人的研究与工程团队，其中 10 人已离职。郭达雅、王炳宣、魏浩然等核心作者先后离开。但另一方面，DeepSeek 正在加大 Agent 方向的招聘力度，发布了一系列和智能体相关的岗位。

创始人梁文锋在 V4 发布当天给出了 16 字的表态："不诱于誉，不恐于诽，率道而行，端然正己。"DeepSeek 还强调："我们将始终秉持长期主义的原则理念，在尝试与思考中踏实前行，努力向实现 AGI 的目标不断靠近。"

科技圈的那点事，说到底还是看谁能把技术，真正落到开发者手里。