DeepSeek 开源 V4 预览版：全系标配 1M 上下文，上线 Pro 与 Flash

DeepSeek-V4 Preview 是 DeepSeek 刚刚开源的新一代混合专家（MoE）大模型，直接把 1M（100 万 token）上下文窗口做成了全系标配，专门解决长流程智能体和代码开发中的显存瓶颈。

这次开源提供了两个版本。主力旗舰 DeepSeek-V4-Pro 拥有 1.6T 总参数与 49B 激活参数，官方称其综合表现能硬碰顶尖闭源模型。轻量版本 DeepSeek-V4-Flash 拥有 284B 总参数和 13B 激活参数，推理成本和响应延迟大幅压低，在基础任务上的表现也紧跟 Pro。

它能做什么

两款模型都支持思考模式与非思考模式（Thinking / Non-Thinking），专门针对长时间运行的智能体任务做了定向优化。

根据官方公布的技术报告，V4-Pro 在数学、科学和编程推理能力上领跑现有的开源模型，通用常识水平仅次于 Gemini-3.1-Pro，并在智能体编程评测中拿下了开源第一。

DeepSeek 已经在内部将其用于驱动自己的代码智能体，并直接适配了 Claude Code、OpenClaw 和 OpenCode 等主流外部工具。

更实用的是智能体长流程能力的改进。针对多轮工具调用经常丢状态的痛点，V4 调整了后训练逻辑，即便中间有用户发送新的追问或指令，模型也能完整跨轮次保留之前的思考链，不用再每次重头整理推理状态。

怎么把 1M 上下文跑顺的

支持 1M 上下文并不罕见，难的是在 1M 深度下跑推理不会把显卡挤爆、速度拖垮。

根据 Hugging Face 发布的架构解析，长上下文智能体每调用一次工具，就会把结果塞进上下文，后续每个 token 都要对前面所有内容做注意力计算。这会导致单 token 计算量暴涨，KV 缓存迅速填满 GPU 显存。

DeepSeek-V4 采用了一套全新的混合注意力架构，交替使用两种机制。压缩稀疏注意力（CSA）把序列维度压缩 4 倍后，用极低精度的索引器挑选最相关的块；重度压缩注意力（HCA）则把序列重度压缩 128 倍后做全局注意力。两者配合滑动窗口机制分层堆叠，再加上低精度存储方案，最终将 KV 缓存占用的显存压到了传统 8 头分组查询注意力方案的 2% 左右。

在 1M 上下文深度下，V4-Pro 的单 token 推理算力消耗只有 DeepSeek-V3.2 的 27%，KV 缓存内存仅需 10%；V4-Flash 的算力需求更是压到 10%，KV 缓存只需 7%。

去哪里试与怎么上手

两款模型的权重集合与技术报告 PDF 已经全部上传到 Hugging Face，供社区自行下载和部署。

普通用户可以直接在网页端体验，在 Expert Mode 或 Instant Mode 之间切换体验 Pro 和 Flash 的推理表现。

开发者调用 API 也很平滑，官方接口兼容 OpenAI ChatCompletions 和 Anthropic API 格式，调用时保留原本的 base_url，只需要把模型名改为 deepseek-v4-pro 或 deepseek-v4-flash 即可，两款模型均支持 1M 上下文与双模式。

需要注意的是，旧款的 deepseek-chat 和 deepseek-reasoner 当前已经切换至 V4-Flash 后端，并将在 2026 年 7 月 24 日 15:59（UTC）正式退役下线。

为什么重要

做长流程智能体和自动化代码工程的开发者，应该立刻试一试这套模型。过去开源模型宣称支持超长文本，往往只是理论容量，一旦真正跑几百步工具调用，显存账单和推理延迟就会立刻崩溃。DeepSeek 这一版把精力全花在刀刃上，通过压缩注意力机制把 KV 缓存砍掉大半，才让百万 token 级的智能体任务真正具备了实用性。

尽管在纯刷榜的分数上它没有全面刷新绝对上限，但这种从工程痛点倒推架构演进的做法非常务实。开源社区现在不仅拿到了一套能用的长文本 MoE 权重，更拿到了一套能在真实机器上跑通长时间智能体任务的工程范式。