DeepSeek 揭示 V4 預覽版：萬億參數開源模型邁入百萬上下文時代
新聞摘要
2026年4月24日（北京時間CST），DeepSeek正式發布並開源了其下一代大型語言模型系列DeepSeek-V4的預覽版本，這標誌著開源AI領域的一個重要里程碑。此次發布引入了兩種混合專家（MoE）模型變體——DeepSeek-V4-Pro和DeepSeek-V4-Flash，兩者均配備標準化的100萬 टोकन上下文窗口，可立即透過DeepSeek的API、官方網頁介面以及Hugging Face以MIT授權條款取得。V4-Pro模型擁有總計1.6兆參數，在代理編碼、數學和STEM基準測試中聲稱領先於其他開源模型，而V4-Flash則提供了一個更精簡、成本優化的替代方案，專為高頻生產工作負載而設計。
兩款模型，一次架構飛躍
DeepSeek-V4以雙層系列的形式推出，旨在滿足不同的性能和成本需求。旗艦型號DeepSeek-V4-Pro擁有約1.6兆總參數，其中每次推理 टोक文僅激活490億參數——這是混合專家架構的設計特點，儘管模型整體規模龐大，但能將每次查詢的計算量嚴格控制在內。較輕量級的DeepSeek-V4-Flash擁有2840億總參數，每次激活130億參數，優先考慮日常任務和代理任務的響應速度和價格效率。兩款模型均標配相同的100萬 टोक文上下文窗口，作為自發布之日（2026年4月24日CST）起所有官方DeepSeek服務的標準預設功能。
技術架構：DSA、混合注意力與Muon優化器
V4系列引入了多項架構創新，使其與前代DeepSeek-V3.2區分開來。其中最核心的是一種新穎的DSA（動態稀疏注意力）機制，它在 टोक文層級壓縮注意力計算，顯著降低了處理超長上下文通常伴隨的記憶體和計算成本。與之相輔相成的是混合注意力架構，它結合了局部和全局注意力模式——使模型能夠在接近一百萬 टोक文的序列中維持連貫的記憶，而不會像傳統密集注意力那樣出現指數級的成本爆炸。訓練過程採用了Manifold-Constrained Hyper-Connections (mHC) 以實現穩定的殘差信號傳播，以及Muon優化器，該優化器解決了梯度不穩定性挑戰，這些挑戰歷來使得訓練兆參數MoE模型難以可靠收斂。預訓練在超過32兆 टोक文上進行，採用FP4和FP8混合精度策略。
基準性能與代理能力
DeepSeek在預覽發布的同時發布了內部基準比較。在MMLU-Pro上，據報導V4-Pro的表現與OpenAI的GPT-5.4相當，略微落後於Google的Gemini-3.1-Pro。在代理編碼評估中，V4-Pro聲稱在所有公開評估的開源模型中位居榜首，據報導已成為DeepSeek自身內部工程團隊使用的主要代理編碼工具。在Codeforces等競爭性編程基準測試中，V4-Pro的分數可與領先的閉源前沿模型媲美。100萬 टोक文規模的長上下文檢索基準測試顯示出具有競爭力但非領先的結果，頂級閉源產品在某些長上下文記憶測試中仍佔有優勢。DeepSeek指出，這些是預覽階段的數據，獨立第三方評估尚未公布。
API可用性與開發者訪問
V4系列可透過DeepSeek官方API立即訪問，使用模型標識符deepseek-v4-pro和deepseek-v4-flash。API支援標準和推理（思考模式）配置，並新增了reasoning_effort參數，用於暴露可調的思考強度級別（高/最大），以處理代碼生成和多文檔處理等複雜任務。開源模型權重透過Hugging Face和ModelScope以MIT授權條款分發，允許開發者下載、本地運行和修改模型。DeepSeek宣布，舊模型標識符deepseek-chat和deepseek-reasoner（先前映射到V3.2）將於2026年7月24日（CST）棄用，為開發者提供三個月的遷移窗口。
多模態路線圖與晶片基礎設施
目前的V4預覽版本僅限於文本。DeepSeek在其Hugging Face公告中表示，團隊正在積極開發整合多模態能力——這意味著預計未來版本將能夠處理圖像和視頻輸入以及文本。另外，華為於2026年4月24日（CST）確認，其由Ascend 950 AI處理器驅動的Ascend超級節點集群完全支援DeepSeek-V4模型系列。DeepSeek在預覽發布文件中並未披露華為Ascend晶片與其他硬體在V4訓練中所佔的確切比例。
開源策略與融資背景
DeepSeek一直以來都堅持開源模型分發策略，V4在寬鬆的MIT授權條款下延續了這一方法。據報導，該公司同時正在進行其首次外部融資，目標估值超過200億美元。V4的發布將DeepSeek定位為專有前沿AI系統的直接開源競爭對手，其成本效益理念——龐大的總參數量與極小的激活參數比例相結合——仍然是其商業和開發者吸引力的核心。預覽標籤表明，最終、完全驗證的版本以及完整的訓練披露仍將陸續推出，但未與4月24日的發布同時宣布嚴格的最終確定時間表。