DeepSeek V4 完全解读:从预览版到正式版,国产最强模型的全维度解析
2026年,DeepSeek V4 的发布走过了一条与众不同的道路——先发预览版,再经大规模后训练迭代后发布正式版。从 4 月 24 日预览版上线,到 7 月 31 日 Flash 正式版公测,再到 8 月 13 日 Pro 正式版全量发布,这个国产开源模型家族完成了一次真正的“能力觉醒”。
本文基于 DeepSeek 官方技术报告、API 文档、第三方评测及最新定价,从技术架构、版本演进、基准测试、国际对标、多模态能力和性价比六个维度,全面梳理 DeepSeek V4 的真实实力。
一、技术架构:双雄并立,1M 上下文标配
DeepSeek V4 系列包含两个版本,均采用混合专家架构(MoE) ,通过动态路由机制在保持高性能的同时大幅降低推理成本:
| 模型 | 总参数量 | 激活参数量(每次推理) | 上下文长度 | 最大输出 |
|---|---|---|---|---|
| DeepSeek V4 Pro | 1.6 万亿 | 490 亿(约占 3%) | 1M | 384K |
| DeepSeek V4 Flash | 2840 亿 | 130 亿(约占 4.6%) | 1M | 384K |
V4 Pro 是面向最艰难推理与编码任务的旗舰模型;V4 Flash 则是高吞吐、低延迟的效率之王。两者均标配 1M 超长上下文——这意味着你可以把整部《三体》三部曲一次性喂给模型,它依然能精准理解和推理。
在技术层面,V4 引入了多项关键创新:混合注意力机制提升长上下文效率、流形约束超连接(mHC) 增强信号传播、Muon 优化器保障大规模训练稳定性。V4 系列在超过 32T tokens 上完成预训练,并经过多阶段后训练优化。
此外,V4 在训练和推理体系中采用了 mxFP4 精度,可以更大程度适配华为昇腾、壁仞科技等国产算力。在英伟达 GPU 和华为昇腾 NPU 两个平台上,细粒度 EP 方案在通用推理任务中实现了 1.50-1.73 倍加速,在对延迟敏感的场景中最高可达 1.96 倍加速。这是 DeepSeek 首次在技术报告中对国产算力验证情况进行披露。
二、发布历程:一场“静悄悄”的版本革命
DeepSeek 采取了一种与其他大模型厂商完全不同的发布策略:
完整时间线:
预览版与正式版的核心区别:
预览版与正式版的模型结构、尺寸完全一致,仅重新进行了后训练(post-training) 。但正是后训练的迭代,带来了质的飞跃:
DeepSeek 官方在更新日志中直言:“DeepSeek-V4-Flash-0731 的模型结构、尺寸和 DeepSeek-V4-Flash-preview 保持一致,仅重新进行了后训练。”一个激活参数仅 130 亿的轻量版,通过后训练在 Agent 能力上跑出逼近 Pro 预览版的分数——这说明后训练阶段的优化空间,可能比单纯堆参数更具杠杆效应。
三、基准测试:从“会考试”到“能干活”
3.1 预览版 vs 正式版:Agent 能力的代际跃升
以下数据来自 DeepSeek 官方 API 文档的完整基准对比:
| 基准测试 | V4-Pro-0813(正式版) | V4-Flash-0731(正式版) | V4-Pro-Preview(预览版) | V4-Flash-Preview(预览版) |
|---|---|---|---|---|
| HLE (wo/w tools) | 42.7 / 60.0 | 37.8 / 51.5 | 37.7 / 48.2 | 34.8 / 45.1 |
| Terminal Bench 2.1 | 87.9 | 82.7 | 72.1 | 61.8 |
| NL2Repo | 61.5 | 54.2 | 38.5 | 39.4 |
| Cybergym | 83.3 | 76.7 | 52.7 | 38.7 |
| DeepSWE | 62.7 | 54.4 | 12.8 | 7.3 |
| Toolathlon-Verified | 74.1 | 70.3 | 55.9 | 49.7 |
| Agents‘ Last Exam | 25.7 | 25.2 | 16.5 | 15.8 |
| AutomationBench (Public) | 31.8 | 25.1 | 12.8 | 10.8 |
| DSBench-FullStack | 71.1 | 68.7 | 41.8 | 37.0 |
| DSBench-Hard | 67.2 | 59.6 | 31.1 | 25.8 |
关键发现:
- V4-Pro 正式版 vs 预览版:DeepSWE 从 12.8 分飙升至 62.7 分,增长约 4.9 倍;Terminal Bench 2.1 从 72.1 提升至 87.9;Cybergym 从 52.7 提升至 83.3。
- V4-Flash 正式版 vs 预览版:DeepSWE 从 7.3 提升至 54.4;Terminal Bench 2.1 从 61.8 提升至 82.7。
- V4-Pro 正式版 vs V4-Flash 正式版:Pro 在各项测试中均领先,但差距并不悬殊——Terminal Bench 仅差 5.2 分,DeepSWE 差 8.3 分。
3.2 核心知识推理基准
| 基准测试 | V4 Flash | V4 Pro |
|---|---|---|
| MMLU-Pro | 86.2 | 87.5 |
| LiveCodeBench | 91.6 | 93.5 |
| SWE Verified | 79.0 | 80.6 |
在 Codeforces 竞技编程评测中,V4 Pro 获得 3206 分。在 GPQA Diamond 上,V4 Flash 得分 88.1。
3.3 与国外前沿模型的直接对比
DeepSeek 官方 API 文档同时提供了 V4 与主流模型的横向对比:
| 基准测试 | V4-Pro-0813 | V4-Flash-0731 | GLM-5.2 | Kimi-K3 | Opus-4.8 | Fable 5 |
|---|---|---|---|---|---|---|
| HLE (w/ fallback) | 37.7/48.2 | 34.8/45.1 | 40.5/54.7 | 43.5/56.0 | 49.8/57.9 | 53.3/63.0 |
| Terminal Bench 2.1 | 87.9 | 82.7 | 81.0 | 88.3 | 85.0 | 88.0 |
| NL2Repo | 61.5 | 54.2 | 48.9 | – | 69.7 | – |
| Cybergym | 83.3 | 76.7 | – | 80.0 | 78.3 | 83.1 |
| DeepSWE | 62.7 | 54.4 | 46.2 | 67.5 | 58.0 | 70.0 |
| Toolathlon-Verified | 74.1 | 70.3 | 59.9 | 76.5 | 76.2 | 77.9 |
核心结论:
- V4-Pro 正式版在 Terminal Bench 2.1 上得分 87.9,逼近 Anthropic Fable 5 的 88.0。
- 在 Cybergym(网络安全)上,V4-Pro 的 83.3 分已超越 Opus-4.8(78.3)和 Kimi-K3(80.0)。
- 在 Toolathlon-Verified(工具调用)上,V4-Pro 的 74.1 分与 Opus-4.8(76.2)和 Kimi-K3(76.5)差距不大。
- 但在 DeepSWE(软件工程)上,V4-Pro 的 62.7 分与 Fable 5 的 70.0 仍有差距。
DeepSeek 官方在预览版发布时曾将 V4 与 Opus 4.6 Max、GPT-5.4 xHigh 和 Gemini-3.1-Pro High 进行对比,称“从图表上看不出明显落后与领先,算是并驾齐驱的水平”。不过,这并非 Anthropic 和 OpenAI 的最新成果。
3.4 CAISI 第三方评估:落后 8 个月
2026 年 4 月,美国国家标准与技术研究院(NIST)下属的 AI 安全研究机构 CAISI 对 DeepSeek V4 Pro 进行了独立评估。核心结论:
- DeepSeek V4 的推理能力落后美国前沿模型约 3-6 个月
- 模型自身也承认落后于 OpenAI 的 GPT-5.4 和 Google 的 Gemini 3.1-Pro
- 另有分析认为实际差距约为 7 个月
不过,多家媒体指出,DeepSeek V4 的 Pro 大模型参数为 1.6 万亿,而 Opus 4.6、GPT 5.5 被认为是 5 万亿甚至 10 万亿级别的参数量,“双方的体量就没法比,性能有所不如才是正常的”。
DeepSeek 团队对此有清醒认知。一名接近 DeepSeek 人士透露:“V4 训练完成时,内部很清楚大约是 Opus 4.5 或 GPT-5.3 Code X 水平。”
四、多模态能力:终于补上了视觉
2026 年 8 月 21 日,DeepSeek 正式上线实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp。
核心特性:
- 基于 V4-Flash 架构(284B 总参数,13B 激活参数)
- 支持文本 + 图像输入,文本输出
- 上下文 1M,最大输出 384K
- 同时支持思考模式与非思考模式
性能表现:
在需要视觉理解的 Agent Benchmark 上,Vision 版本相比 V4-Flash 实现大幅跃升。在 Terminal Bench 2.1 上,Vision 版本得分 83.9,高于 V4-Flash 的 82.7。多模态 Agent 能力已接近 Opus 4.8。
文本能力与 V4-Flash 完全持平。图片最多占 384 tokens,按 V4-Flash 价格计费。
五、成本与性价比:峰谷分时,全球最低
5.1 预览版 vs 正式版:价格演变
预览版定价(2026年4月-7月) :
| 模型 | 缓存命中输入 | 缓存未命中输入 | 输出 |
|---|---|---|---|
| V4-Pro | 0.025 元/百万 tokens | 3 元/百万 tokens | 6 元/百万 tokens |
| V4-Flash | 0.02 元/百万 tokens | 1 元/百万 tokens | 2 元/百万 tokens |
正式版定价(2026年8月起,峰谷分时) :
| 模型 | 缓存命中输入(空闲/高峰) | 缓存未命中输入(空闲/高峰) | 输出(空闲/高峰) |
|---|---|---|---|
| V4-Flash | 0.05 / 0.10 元 | 1.5 / 3.0 元 | 4.5 / 9.0 元 |
| V4-Pro | 0.15 / 0.30 元 | 4.5 / 9.0 元 | 13.5 / 27.0 元 |
高峰时段:北京时间周一至周五 9:00-12:00、14:00-18:00。空闲时段为高峰时段价格的一半。
正式版引入了峰谷分时定价机制,价格相比预览版有所上调。DeepSeek 官方已在定价页面注明: “计划近期整体上调 DeepSeek API 服务的定价,预计涨幅较大” ——当前超低价格窗口可能有限。
5.2 性价比有多夸张?
- V4-Flash 缓存命中空闲时段低至 0.05 元/百万 tokens,仍属全球主流大模型最低价之一。
- V4-Flash 在 MathArena 的 AIME 2026 测试集上得分 95.83%,与 V4-Pro 的 96.67% 几乎持平,而成本仅为其九分之一。
- 与 Gemini 3.8 Flash 相比,V4-Flash 的输出价格便宜约 13 倍(促销价)至 25 倍(恢复后)。
六、总结:预览版是会考试的学霸,正式版是能下场的实习生
| 维度 | 预览版 | 正式版 |
|---|---|---|
| 发布时间 | 2026.4.24 | Flash: 2026.7.31 / Pro: 2026.8.13 |
| 模型架构 | MoE(1.6T/49B 或 284B/13B) | 与预览版完全一致 |
| 核心变化 | 首发版本,开源权重 | 大规模后训练迭代 |
| 推理速度 | 基线 | 提升 60-85% |
| Agent 能力 | 偏弱,DeepSWE 仅 12.8 分 | 大幅提升,DeepSWE 达 62.7 分 |
| 多模态 | 不支持 | V4-Flash-Vision-Exp 支持 |
| API 兼容 | OpenAI 兼容 | OpenAI + Anthropic 双兼容 |
| 定价 | 较低(Flash 输出 2 元) | 峰谷分时,整体上调 |
DeepSeek V4 的预览版与正式版,本质上完成了从 “会考试的学霸” 到 “能下场干活的实习生” 的蜕变。架构未变,但后训练让模型真正学会了在真实环境中执行复杂任务。
它可能还不是全球最强的模型——CAISI 评估认为落后前沿约 8 个月,与 Fable 5、GPT-5.5 等顶尖模型仍有差距。但它无疑是最具性价比、开源最彻底、进步速度最快的模型之一。对于开发者、研究者和企业来说,DeepSeek V4 提供了一个以极低成本触达前沿 AI 能力的入口——这或许才是它最珍贵的价值。