DeepSeek V4發佈即刷屏！
成本暴降，百萬上下文，Agent增強，聯手華為、寒武紀適配中國國產算力……
它正在告訴市場：大模型競爭已經不再只是榜單競爭，而是開始進入更殘酷的成本效率競爭、算力適配競爭和生態入口競爭。
V4真的來了
4月24日DeepSeek發佈兩個最新模型版本：DeepSeek-V4-Pro和DeepSeek-V4-Flash。
體驗地址：chat.deepseek.com或DeepSeek官方APP
- API文件：https://api-docs.deepseek.com/zh-cn/guides/thinking_mode
- 開源連結https://huggingface.co/collections/deepseek-ai/deepseek-v4https://modelscope.cn/collections/deepseek-ai/DeepSeek-V4
- 技術報告：https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf
根據DeepSeek官方介紹，V4-Pro採用MoE架構，總參數規模為1.6T，啟動參數49B；V4-Flash總參數284B，啟動參數13B。兩個版本都支援100萬token上下文。
這個組合很有意思：Pro負責沖高，Flash負責走量。
一個承擔能力天花板，一個承擔規模化呼叫入口。
這說明DeepSeek並不是簡單地把模型繼續做大，而是在開始拆分不同的商業場景。
對複雜推理、程式碼、Agent任務、長文件處理，可以用Pro；對高頻呼叫、低成本接入、日常應用，可以用Flash。
這套打法背後有一個很清晰的判斷：未來大模型不會只有一個“最強模型”包打天下，而會形成分層呼叫體系。
我們嘗試用pro模式，搭建了一個給使用者抽獎的大轉盤H5，全程就5分鐘直接可用：
低成本+高品質，才是未來企業正在需要的。畢竟企業真正需要的，不是每一次請求都呼叫最貴、最強的模型，而是在不同任務之間找到能力、成本和響應速度的平衡點。
DeepSeek開始把模型做成一組可調度、可分層、可商業化組合的AI基礎設施。
成本暴降73%
在100萬token上下文設定下，DeepSeek-V4-Pro相比DeepSeek-V3.2，單token推理FLOPs只需要27%，KV Cache只需要10%。
換句話說，也就是長上下文推理中的計算量壓力大幅下降；KV Cache只剩10%，意味著視訊記憶體和快取壓力也被明顯壓縮。
過去大家討論長上下文，很容易只看“能不能放進去”，100萬token聽起來很震撼，但真正的問題不是能不能塞進去，而是塞進去之後還能不能高效地算、穩定地跑、便宜地用。
上下文越長，推理成本、視訊記憶體佔用、響應延遲都會迅速放大。
尤其是在企業場景裡，模型需要讀合同、讀程式碼庫、讀制度檔案、讀會議紀要、讀歷史工單。
一次任務不只是問一句話，而是連續讀取、理解、規劃、執行、修正。
如果長上下文成本下不來，Agent就只能停留在演示視訊裡。
所以V4這次主攻的就是在100萬token場景下繼續壓低計算壓力。
畢竟模型能力越強，呼叫越頻繁，成本控制越重要。
AI不再只是“能不能用”的問題，而是“能不能每天用、多人用、長期用、低成本用”的問題。
誰能把單位推理成本壓得更低，誰就更接近真實的規模化入口。
讓Agent更像工作系統
100萬上下文真正改變的是Agent的工作邊界。
DeepSeek API文件顯示，V4-Flash和V4-Pro均支援1M上下文，最大輸出可達384K，並支援JSON Output、Tool Calls、Chat Prefix Completion等能力。
這些功能指向的是一個更明確的方向：DeepSeek不是只想做聊天模型，而是在繼續向任務型模型、工具型模型、Agent底座推進。
對企業來說，長上下文意味著什麼？
對程式碼場景，它可以一次性理解更大範圍的程式碼庫、需求文件和歷史修改記錄。
對金融、法律、諮詢場景，它可以處理更長的研報、合同、紀要、制度檔案和客戶材料；
對知識庫場景，它可以減少過度切片、錯誤召回、上下文斷裂帶來的資訊損耗；
對於Agent場景，它可以讓模型在更長任務鏈條裡保持連續性，不至於走幾步就忘記前因後果……
這才是百萬上下文真正的商業含義，它不是讓AI多背一點東西，而是讓企業流程第一次有機會被更完整地交給模型處理。
過去很多AI應用看起來很聰明，但一到真實工作流就掉鏈子。原因很簡單：真實工作不是單點問答，而是一組連續任務。
而Agent要變成生產系統，首先得具備連續工作的能力。
DeepSeek V4這次把長上下文、工具呼叫、結構化輸出放在同一條線上，說明它要搶的已經不是聊天入口，而是企業流程裡的執行入口。
聯手華為，底座開始換代
路透社4月24日報導稱，華為表示，基於昇騰950 AI晶片的Ascend supernode將全面支援DeepSeek V4系列模型。
這是里程碑式的節點，說明中國的模型公司和算力公司開始進入更深層的協同最佳化。
過去，無論訓練、推理、部署、工具鏈，“輝達”都處在產業鏈的核心位置。
但到了V4這一輪，情況開始發生變化。
當模型開始為國產晶片、國產軟體棧、國產叢集做適配，AI競爭就不再只是演算法團隊之間的比賽，而是模型、晶片、編譯器、推理框架、開發者生態之間的系統協同。
這才是屬於中國的“強強聯手”！
據華為2025年年報顯示，公司實現全球銷售收入8809億元人民幣，淨利潤680億元人民幣；2025年研發投入達到1923億元，佔全年收入21.8%，近十年累計研發投入超過1.382萬億元。華為押注AI計算，不是一次短期熱點跟進，而是長期研發投入和產業生態建設的結果。
DeepSeek V4如果能在昇騰體繫上跑得更穩、更便宜、更可規模化，就不只是DeepSeek自己的勝利，也是在驗證國產AI算力能否承接下一代模型應用。
未來國產算力公司比拚的不會只是晶片峰值性能，而是誰能更快適配模型，誰的軟體棧更穩定，誰能支撐企業級推理服務，誰能在開發者生態裡站住位置。
晶片只是起點；
能用起來，才是門檻；
能被反覆呼叫，才是價值。
價格戰之後是“生態戰”
R1時代，DeepSeek已經讓全球AI行業重新審視中國模型的成本效率，到了V4，DeepSeek並沒有放棄這張牌，而是開始把低價策略做得更分層。
根據DeepSeek API文件，V4-Flash每百萬token價格為：快取命中輸入0.028美元，快取未命中輸入0.14美元，輸出0.28美元；V4-Pro對應為：快取命中輸入0.145美元，快取未命中輸入1.74美元，輸出3.48美元。
V4-Flash繼續承擔低成本入口，適合大量高頻、通用、響應速度敏感的場景；
V4-Pro則承擔複雜任務和高價值呼叫，價格明顯更高，但也提供更強的推理、長上下文和Agent能力。
這說明DeepSeek已經不是簡單做“價格屠夫”，它正在從單一低價策略，轉向“能力分層+價格分層+場景分層”。
當開發者、企業客戶、雲廠商、晶片廠商、Agent平台都圍繞一個模型系列搭建流程時，競爭就不再只是一次API呼叫的價格，而是誰能成為默認選項。
AI行業最終比的不是一次發佈時的熱度，而是誰能嵌入更多應用、更多工具、更多工作流。
DeepSeek V4的真正野心，可能不是再造一個“最強聊天機器人”，而是成為中國AI應用生態裡的底層介面之一。
V4是否可以封神？
雖然模型榜單很重要，但企業真正關心的是另外一組指標：
延遲、穩定性、並行能力、SLA、工具呼叫精準率、私有化部署成本、安全合規，以及在複雜業務流程中的可控性。
再強的模型，如果頻繁超時、呼叫不穩、工具執行出錯，企業仍然很難大規模使用。
華為、寒武紀的適配是關鍵進展，但開發者生態、框架相容、叢集調度、推理效率、故障定位、工程工具鏈，都需要長期驗證。
真正的產業替代，不是靠一句口號完成的，而是在一次次模型更新、一次次客戶部署、一次次複雜任務運行中磨出來的。
所以，V4真正的考場不在發佈當天，而在接下來的幾個月。
它能不能穩定服務開發者？
能不能支撐複雜Agent任務？
能不能在國產算力上跑出足夠好的效率？
能不能讓企業願意長期呼叫？
這些問題，比“刷屏”更重要。
AI下半場，拼的是穩定交付
回頭看DeepSeek這一年，它最重要的作用，不只是做出了強模型，而是不斷改變行業的計分方式。
過去，大模型行業喜歡比參數、比榜單、比發佈會震撼程度。
DeepSeek出現後，大家開始更認真地討論訓練成本、推理成本、開源效率、模型蒸餾、國產算力適配。
這一次V4繼續往前推了一步。它讓行業看到，下一階段AI競爭至少有四個核心變數：
1.模型能力還要繼續提升：沒有能力，其他都沒有意義。
2.推理成本必須繼續下降：成本降不下來，Agent和企業應用都難以規模化。
3.上下文和工具呼叫要走向生產級：模型不能只會聊天，還要能理解流程、呼叫工具、完成任務。
4.算力底座要形成可替代路徑：如果模型能力始終被單一硬體生態鎖住，中國AI的自主性就始終不完整。
這四個變數合在一起，才是DeepSeek V4真正釋放的訊號，它不是一次孤立的模型升級，而是中國AI開始圍繞成本、算力、工具鏈和生態重新組織競爭。
畢竟AI下半場，單點突破可能不夠了。
真正的競爭會落到更具體的地方：單位推理成本、算力調度效率、軟體棧成熟度、開發者遷移成本、企業長期呼叫意願。
DeepSeek V4在提醒整個行業：AI的勝負，正在從“誰更聰明”，變成“誰能把聰明穩定、便宜、可複製地交付出去”。 (AI科技銳評)