摘要：DeepSeek V4 GA正式版全量上线，1.6万亿参数MoE架构、MIT协议开源、1M上下文窗口。正式版相比Preview推理速度提升60~85%、Agent完成率提升21%、首次原生支持多模态。V4-Flash输出价格仅$0.28/百万token，是Claude Fable 5的0.56%。架构核心创新包括mHC（流形约束超连接）和DSA（稀疏注意力），1M上下文下KV Cache仅V3.2的10%。本文拆解Preview→GA的变化、极致低价的MoE稀疏化经济学、8家国产芯片去CUDA化适配、以及开源协同进化的行业叙事。

---

2026年7月24日，DeepSeek把旧接口 deepseek-chat 和 deepseek-reasoner 永久停用，全量切换到V4正式版。

没有发布会，没有直播，没有路线图。HuggingFace开源模型榜，V4-Pro稳居榜首。API定价页，V4-Flash输出每百万token 0.28美元——同期Claude Fable 5是50美元，GPT-5.6 Sol是30美元。V4-Flash的价格是Fable 5的0.56%。

7月15日GA正式版上线后，开发者实测反馈综合能力接近Anthropic Opus 4.8，编码能力接近GPT-5.6 Sol。而V4是MIT协议开源，权重直接下，训练技术报告直接公开。

这篇文章拆解正式版到底补了什么、凭什么这个价格能打这个性能、以及对整个AI行业意味着什么。

一、Preview vs GA：三个月差在哪

先看时间线：

• 4月24日：V4 Preview版发布。Pro（1.6T/49B激活）和Flash（284B/13B激活）双版，1M上下文，MIT开源。纯文本，推理速度一般，Agent能力有短板。
• 7月15日：GA正式版全量上线。
• 7月24日：旧接口退役，V4时代正式开始。

GA相比Preview的核心改进：

推理速度：+60%~85%。 DSA（DeepSeek Sparse Attention）在长上下文场景下表现大幅提升：V4-Pro在1M上下文时，KV Cache只有V3.2的10%，单token推理FLOPs只有V3.2的27%。

Agent能力：+21%完成率。 GA版重点优化了工具调用触发灵敏度和长程任务的一致性。V4现在已经可以驱动DeepSeek自己内部的编码Agent了。

原生多模态：从无到有。 Preview纯文本，GA首次原生支持图像推理。

峰谷分时定价：行业首创。 工作日9:00-12:00和14:00-18:00，API价格翻倍。对个人开发者影响不大，但对跑24/7 Agent的企业来说，批量任务和评估脚本需要挪到晚上跑。

二、凭什么这么便宜：MoE稀疏化的经济学

V4能维持极端低价，核心原因是MoE的极端稀疏化。

版本	总参数	激活参数	稀疏比
V4-Pro	1,600B	49B	32.7:1
V4-Flash	284B	13B	21.8:1

总参数量决定知识上限，激活参数决定每次推理成本。V4-Pro存了1.6万亿参数的知识，但每次推理只激活49B——相当于一座图书馆每次只翻一页，成本按"这一页"算。

架构上两个关键创新：

mHC（流形约束超连接）。 传统Transformer靠残差连接保证深层网络的信息流动，但到万亿参数级别会放大训练不稳定。mHC用数学约束每层间的信号传递——不简单相加，而是沿受约束的"流形"传递。V4训练全程无Loss Spike。

DSA稀疏注意力 + Token-wise压缩。 传统注意力在1M窗口下KV Cache开销是灾难性的。DSA通过稀疏化——每个token只关注最相关的部分token——把KV Cache砍到传统方案的10%。加上Token-wise压缩，两层省钱。

三、去CUDA化：绑定8家国产芯片

V4正式版是DeepSeek第一个"去CUDA化"的正式版。上线当天同步适配了8家国产AI芯片：华为昇腾、寒武纪、海光、摩尔线程、沐曦、昆仑芯、平头哥、天数智芯。

路透社原话：“DeepSeek-V4与华为昇腾的适配，表明中国正在加速减少对美国尖端芯片的依赖。”

这对开源生态意味着模型可以开源，但如果你买不到NVIDIA卡，开源也没用。 V4的去CUDA化解决了这个死锁。

四、开发者实测：惊艳和吐槽并存

长上下文：行业顶级。 用户用V4-Flash处理10MB epub电子书，提取几万关键词生成JSON，2分钟完成，花费0.5元。百万token全量代码库测试，V4-Pro一次性完成全仓库架构理解、漏洞排查和功能迭代。

Agent编码：有惊喜有槽点。 Replit CEO高度评价V4架构创新。智东西实测V4-Pro能连续自主编程60分钟+。但在Claude Code联动中，有开发者反馈工具调用触发灵敏度不如部分国产头部模型。

"过度思考"是通病。 大量用户反馈简单任务中V4回答冗余、推理步骤繁琐。DeepSeek自己也很坦诚：技术报告明确说与最前沿闭源模型"仍有约3-6个月的差距"。

五、开源协同进化：中国AI的独特路径

V4正式版引入的Muon优化器，最早在Kimi K2上被大规模验证——Kimi团队在K2训练中实现了"零Loss Spike"。反过来，Kimi K2.6采用了DeepSeek开源的MLA注意力机制。

这不是"你抄我我抄你"的零和博弈，而是开源协同进化：A公司开源底层技术，B公司采用并优化，优化结果反哺整个生态。硅谷在"造墙"，中国开源在"修路"。

总结

DeepSeek V4定义了2026年开源大模型的三个新基准：

• 性能：接近Opus 4.8，编码接近GPT-5.6 Sol，MIT开源
• 价格：V4-Flash $0.28/百万token = Fable 5的0.56%
• 生态：从底层芯片（8家国产NPU）到上层模型（MIT权重）到部署（1M上下文+峰谷定价）的全栈自主

DeepSeek在技术报告结尾引用了荀子的"不诱于誉，不恐于诽，率道而行"——2026年7月，开源大模型正式进入了"真·可用"时代。

---

📱 更多AI开源项目深度解读
每周解读 GitHub/HuggingFace 最新热门AI项目，从架构原理到工程落地，从开发者实测到行业启示。
微信搜索 「圈圈的AI工程笔记」，和数万开发者一起看懂AI前沿。

标签：DeepSeek 大模型 开源 MoE AI编程 国产芯片