DeepSeek 今日正式宣布开源发布 V4 系列预览版本，相关模型参数已依据 MIT 许可证在 Hugging Face 和 ModelScope 平台公开。该系列包含两个混合专家模型（MoE）：V4-Pro 总参数量达 1.6 万亿，单标记激活参数量为 490 亿至 4900 亿；V4-Flash 总参数量为 2840 亿，激活参数量为 130 亿至 1300 亿。两款模型均原生支持 100 万标记的上下文处理能力，标志着长文本处理进入新阶段。午方 AI 获悉，此次发布不仅涉及模型架构升级，更伴随着 API 定价策略的重大调整，旨在通过技术迭代重塑开源模型的市场竞争力。

V4 系列在架构层面实施了三项关键革新。首先，引入压缩稀疏注意力机制与强化压缩注意力机制，显著降低了长上下文处理开销；在 100 万标记场景下，V4-Pro 的单标记推理计算量仅为 V3.2 版本的 27%，键值缓存占用量更是缩减至 V3.2 的 10%。其次，采用新型连接结构替代传统残差连接，增强了跨层信号传播的稳定性。最后，预训练数据总量突破 32 万亿标记，为模型能力奠定了坚实基础。V4-Pro 的微调策略分为两阶段：先利用 SFT 和 GRPO 强化学习训练领域专用模型，再通过在线蒸馏整合为统一模型。

在性能基准测试中，V4-Pro-Max 展现了与顶级闭源模型抗衡的实力。在 Codeforces 测试中，其得分 3206 分，超越了 GPT-5.4 的 3168 分和 Gemini 3.1 Pro 的 3052 分，创下新纪录；LiveCodeBench 得分 93.5 分，SWE Verified 得分 80.6 分，仅以 0.2 个百分点的微弱差距落后于 Opus 4.6。尽管在 CorpusQA 1M（62.0 分）和 MRCR 1M（83.5 分）等长文本理解任务中仍略逊于 Opus 4.6，但在 MCPAtlas Public 和 Terminal-Bench 2.0 等特定场景中也保持了强劲表现。午方 AI 了解到，作为开源模型，V4-Pro-Max 在编码和长上下文任务中首次达到甚至超越部分闭源旗舰水平，但在依赖海量知识储备的 GPQA Diamond 和 SimpleQA-Verified 测试中，仍落后于 Gemini 3.1 Pro。

内部实测数据进一步验证了模型的工程实用性。研究团队从 50 多名工程师处收集约 200 个真实研发任务样本，涵盖功能开发、错误修复及故障诊断，最终筛选出 30 个高难度任务。V4-Pro-Max 在这些任务中的通过率为 67%，显著高于 Sonnet 4.5 的 47%，接近 Opus 4.5 的 70%，但略低于 Opus 4.5 Thinking 的 73% 和 Opus 4.6 Thinking 的 80%。针对 85 名员工的内部调查显示，100% 的受访者日常使用 V4-Pro 进行编码，其中 52% 将其作为首选模型，仅不到 9% 持否定意见。用户反馈的主要痛点集中在低级错误、模糊指令理解偏差及偶尔的过度思考现象。

在数学推理领域，V4 系列同样表现亮眼。在 Putnam-200 Pass@8 实用场景测试中，V4-Flash-Max 结合 LeanExplore 工具获得 81.00 分，远超 Seed-2.0-Prover 的 35.50 分及 Gemini 3 Pro 的 26.50 分。而在前沿场景测试中，V4 采用混合推理策略，先通过非正式推理生成候选方案并自我验证，再由正式推理引擎在 Lean 环境中完成严格证明。在 Putnam-2025 测试中，V4 取得 120/120 满分，与 Axiom 并列第一，超越了 Seed-1.5-Prover 的 110 分和 Aristotle 的 100 分。午方 AI 监测到，虽然前沿测试依赖大规模算力，但实用场景结果更能反映模型在实际生产环境中的落地能力。

商业层面，DeepSeek 同步更新了 V4 API 定价策略。V4-Flash 直接取代 V3.2 版本，不仅维持原有价格，更大幅下调费用：缓存命中输入费为每百万标记 0.2 元，缓存未命中输入费从 2 元降至 1 元（降幅 50%），输出费从 3 元降至 2 元（降幅 33%），同时上下文能力从 128K 跃升至 100 万标记。V4-Pro 作为高端版本，缓存未命中输入费为 12 元，输出费为 24 元，是 V3.2 的 8 倍。官方指出，受限于高端算力资源，V4-Pro 目前吞吐量受限，但预计今年下半年新增 950 个超级节点后价格将大幅下降。旧版模型名称 deepseek-chat 和 deepseek-reasoner 将于 2026 年 7 月 24 日停用。

支撑此次技术突破的底层基础设施也首次公开，即生产级 Elastic Compute Sandbox 和 DCSec（DeepSeek 弹性计算平台）。该系统采用 Rust 语言编写，集成内部 3FS 分布式文件系统，单个集群可调度数十万个测试环境，有效解决了大规模测试启动缓慢的难题。DCSec 提供 Python SDK，支持函数调用、容器、微型虚拟机及完整虚拟机四种执行环境的无缝切换。针对任务抢占问题，系统引入全局跟踪日志，实现任务恢复时的“快进”机制，既加速了测试进程，又避免了非幂等性问题。DeepSeek 明确表示，未来 100 万标记上下文能力将成为所有官方服务的标准配置。