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

AI智能

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 Pro1.6 万亿490 亿(约占 3%)1M384K
DeepSeek V4 Flash2840 亿130 亿(约占 4.6%)1M384K

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:

“许多用户以为自己过去两个多月一直在用 V4,其实只是预览版。”

完整时间线:

时间事件
2026 年 1 月发表 mHC(流形约束超连接)论文,为万亿参数 MoE 模型训练奠定基础
2026 年 4 月 4 日社区首次发现疑似 V4 灰度测试,上下文从 128K 跃升至 1M
2026 年 4 月 24 日V4 预览版正式上线并开源,Pro 与 Flash 双版本,MIT 协议
2026 年 6 月 29 日官方通知开发者:V4 正式版将于 7 月中旬上线,引入峰谷分时定价
2026 年 7 月 31 日V4-Flash 正式版(0731)API 公测上线
2026 年 8 月 13 日V4-Pro 正式版(0813)全量发布,同步 APP、网页端和 API
2026 年 8 月 21 日多模态视觉模型 V4-Flash-Vision-Exp 上线

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:

  • 推理速度:提升 60-85%
  • Agent 能力:完成率提升 21%
  • 企业级工具链:Responses API、Anthropic 兼容接口、FIM 补全等
  • 多模态能力:原生视觉理解

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 / 60.037.8 / 51.537.7 / 48.234.8 / 45.1
Terminal Bench 2.187.982.772.161.8
NL2Repo61.554.238.539.4
Cybergym83.376.752.738.7
DeepSWE62.754.412.87.3
Toolathlon-Verified74.170.355.949.7
Agents‘ Last Exam25.725.216.515.8
AutomationBench (Public)31.825.112.810.8
DSBench-FullStack71.168.741.837.0
DSBench-Hard67.259.631.125.8

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

根据 DeepSeek 官方发布材料:

基准测试V4 FlashV4 Pro
MMLU-Pro86.287.5
LiveCodeBench91.693.5
SWE Verified79.080.6

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-0813V4-Flash-0731GLM-5.2Kimi-K3Opus-4.8Fable 5
HLE (w/ fallback)37.7/48.234.8/45.140.5/54.743.5/56.049.8/57.953.3/63.0
Terminal Bench 2.187.982.781.088.385.088.0
NL2Repo61.554.248.9–69.7–
Cybergym83.376.7–80.078.383.1
DeepSWE62.754.446.267.558.070.0
Toolathlon-Verified74.170.359.976.576.277.9

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-Pro0.025 元/百万 tokens3 元/百万 tokens6 元/百万 tokens
V4-Flash0.02 元/百万 tokens1 元/百万 tokens2 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-Flash0.05 / 0.10 元1.5 / 3.0 元4.5 / 9.0 元
V4-Pro0.15 / 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2026.4.24Flash: 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。