DeepSeek V4 全面解析：Flash 与 Pro 双雄登场，开源界再掀浪潮

type

Post

status

Published

date

Apr 28, 2026

slug

deepseek-v4-flash-pro-review

summary

DeepSeek 时隔数月重磅回归，发布 V4 系列双子星模型——V4-Pro 与 V4-Flash。百万上下文、混合推理、极致性价比，这次开源界真的来真的了。

一、这次回来的 DeepSeek，不一样了

自去年 1 月 R1 横空出世以来，DeepSeek 一直保持着相对低调的姿态——但这次的 V4，是他们自 V3 架构以来最大的一次技术跨越，也是他们第一次推出双档次产品线：Pro 主打极限性能，Flash 主打速度与经济性。

两款模型均已在 Hugging Face 上开源权重，并同步开放 API 接入，开发者可以直接通过 deepseek-v4-pro 或 deepseek-v4-flash 调用，兼容 OpenAI ChatCompletions 和 Anthropic API 格式（https://api-docs.deepseek.com/news/news260424）。

二、核心参数一览

属性	V4-Pro	V4-Flash
总参数量	1.6T	284B
激活参数	49B	13B
上下文长度	1M tokens	1M tokens
推理模式	Thinking / Non-Thinking	Thinking / Non-Thinking
架构	MoE + 混合注意力	MoE + 混合注意力
API 价格（输入/输出）	$1.74 / $3.48 per 1M tokens	$0.14 / $0.28 per 1M tokens

三、架构升级：为什么这次不一样

3.1 混合注意力架构（Hybrid Attention Architecture）

V4 系列引入了全新的混合注意力机制，融合了压缩稀疏注意力（CSA）与重压缩注意力（HCA）两种机制，专门为百万级长上下文推理进行了深度优化。

效果惊人：在 1M token 上下文场景下，V4-Pro 的单 token 推理 FLOPs 仅为 DeepSeek-V3.2 的 27%，KV Cache 内存占用也仅为 10%。而 V4-Flash 更激进——单 token FLOPs 降至 V3.2 的 10%，KV Cache 仅需 7%（https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash）。

对于需要处理完整代码库、长文档或多轮复杂对话的场景，这种效率提升带来的工程红利是实实在在的。

3.2 流形约束超连接（Manifold-Constrained Hyper-Connections, mHC）

V4 还引入了 mHC 机制，用来强化传统残差连接，在保持模型表达能力的同时提升了跨层信号传播的稳定性。这对于超大规模 MoE 模型的训练收敛尤为关键。

3.3 全面的后训练流程

两款模型均在超过 32T 多样化高质量 tokens 上进行预训练，后训练采用两阶段范式：先独立培育各领域专家（通过 SFT 和基于 GRPO 的 RL），再通过 on-policy 蒸馏将多专家能力统一合并进单模型。

四、V4-Pro：开源界新的天花板

根据人工智能分析平台 Artificial Analysis 的测评，V4-Pro（Max 模式）在其智能指数上拿到了 52 分，较 V3.2 的 42 分大幅提升，跻身开源推理模型第二位，仅次于 Kimi K2.6（https://artificialanalysis.ai/articles/deepseek-is-back-among-the-leading-open-weights-models-with-v4-pro-and-v4-flash）。

在 Agentic 任务上，V4-Pro 更是领跑所有开源模型，GDPval-AA 得分达到 1554，超越 Kimi K2.6（1484）、GLM-5.1（1535）等强竞对手。

在代码和数学 STEM 领域，V4-Pro 自评超越所有当前开源模型；世界知识储备方面，仅落后 Gemini-3.1-Pro 一席；推理能力上，DeepSeek 也坦诚地给出了自我评估：

与 GPT-5.4 和 Gemini 3.1-Pro 相比，性能上存在约 3 到 6 个月的发展差距。

这种罕见的坦诚，在 AI 发布会的惯常话术里显得格外清醒（https://thenextweb.com/news/deepseek-v4-pro-flash-launch-open-source）。

五、V4-Flash：最具性价比的「小钢炮」

V4-Flash 虽然参数量远少于 Pro，但绝对不是陪衬。

在 Artificial Analysis 智能指数上得分 47，与 DeepSeek V3.2 相比提升显著

在 Max 模式下推理能力接近 V4-Pro，适合预算敏感但不想牺牲太多智能的场景

API 定价极具竞争力：$0.14/$0.28 per 1M tokens，是目前市面上顶级模型里最便宜之一，甚至比 OpenAI 的 GPT-5.4 Nano 更便宜（https://simonwillison.net/2026/Apr/24/deepseek-v4/）

对于需要大规模部署、构建应用产品的开发者来说，Flash 是极具吸引力的选择。

六、百万上下文：不只是噱头

两款模型都支持 1M token 的超长上下文，是 V3.2 的 8 倍扩展。这意味着：

可以将整个代码仓库塞进一个 prompt 进行分析

可以直接处理书籍级别的长文档

可以支持真正的长程 Agentic 任务而不丢失上下文

这不是参数游戏，而是实际工程场景下的真正解锁。

七、芯片故事：不只是模型，更是地缘政治

这次 V4 还有一个低调但意义重大的背景：DeepSeek 据报道与华为和寒武纪合作，针对其最新国产芯片对 V4 进行了优化，而没有给英伟达或 AMD 提前访问权重进行适配。

这在行业惯例里是一个反转——通常西方芯片厂商是最先拿到新模型权重进行适配的。能在华为昇腾芯片上流畅运行万亿参数级模型，将是中国本土 AI 硬件供应链的一次重要验证。

八、总结：DeepSeek 归来，开源生态再进一步

DeepSeek V4 的发布，不仅仅是一次模型更新，更是一次姿态宣示：开源模型正在逼近闭源前沿，而且这次更快、更省、更长。

V4-Pro：开源智能天花板，Agentic 场景首选

V4-Flash：极致性价比，批量应用开发者的福音

双模型统一支持 1M 上下文 + 双模式推理：灵活适配不同场景

无论你是研究者、开发者，还是只是对 AI 进展保持关注的读者，DeepSeek V4 都值得认真对待。

官方 API 文档：https://api-docs.deepseek.com/news/news260424

在线体验：https://chat.deepseek.com（Expert Mode / Instant Mode）