DeepSeek 開源 V4 預覽版：全系標配 1M 上下文，上線 Pro 與 Flash

DeepSeek-V4 Preview 是 DeepSeek 剛剛開源的新一代混合專家（MoE）大模型，直接把 1M（100 萬 token）上下文視窗做成了全系標配，專門解決長流程智慧體和程式碼開發中的視訊記憶體瓶頸。

這次開源提供了兩個版本。主力旗艦 DeepSeek-V4-Pro 擁有 1.6T 總引數與 49B 啟用引數，官方稱其綜合表現能硬碰頂尖閉源模型。輕量版本 DeepSeek-V4-Flash 擁有 284B 總引數和 13B 啟用引數，推理成本和響應延遲大幅壓低，在基礎任務上的表現也緊跟 Pro。

它能做什麼

兩款模型都支援思考模式與非思考模式（Thinking / Non-Thinking），專門針對長時間執行的智慧體任務做了定向最佳化。

根據官方公佈的技術報告，V4-Pro 在數學、科學和程式設計推理能力上領跑現有的開源模型，通用常識水平僅次於 Gemini-3.1-Pro，並在智慧體程式設計評測中拿下了開源第一。

DeepSeek 已經在內部將其用於驅動自己的程式碼智慧體，並直接適配了 Claude Code、OpenClaw 和 OpenCode 等主流外部工具。

更實用的是智慧體長流程能力的改進。針對多輪工具呼叫經常丟狀態的痛點，V4 調整了後訓練邏輯，即便中間有使用者傳送新的追問或指令，模型也能完整跨輪次保留之前的思考鏈，不用再每次重頭整理推理狀態。

怎麼把 1M 上下文跑順的

支援 1M 上下文並不罕見，難的是在 1M 深度下跑推理不會把顯示卡擠爆、速度拖垮。

根據 Hugging Face 釋出的架構解析，長上下文智慧體每呼叫一次工具，就會把結果塞進上下文，後續每個 token 都要對前面所有內容做注意力計算。這會導致單 token 計算量暴漲，KV 快取迅速填滿 GPU 視訊記憶體。

DeepSeek-V4 採用了一套全新的混合注意力架構，交替使用兩種機制。壓縮稀疏注意力（CSA）把序列維度壓縮 4 倍後，用極低精度的索引器挑選最相關的塊；重度壓縮注意力（HCA）則把序列重度壓縮 128 倍後做全域性注意力。兩者配合滑動視窗機制分層堆疊，再加上低精度儲存方案，最終將 KV 快取佔用的視訊記憶體壓到了傳統 8 頭分組查詢注意力方案的 2% 左右。

在 1M 上下文深度下，V4-Pro 的單 token 推理算力消耗只有 DeepSeek-V3.2 的 27%，KV 快取記憶體僅需 10%；V4-Flash 的算力需求更是壓到 10%，KV 快取只需 7%。

去哪裡試與怎麼上手

兩款模型的權重集合與技術報告 PDF 已經全部上傳到 Hugging Face，供社群自行下載和部署。

普通使用者可以直接在網頁端體驗，在 Expert Mode 或 Instant Mode 之間切換體驗 Pro 和 Flash 的推理表現。

開發者呼叫 API 也很平滑，官方介面相容 OpenAI ChatCompletions 和 Anthropic API 格式，呼叫時保留原本的 base_url，只需要把模型名改為 deepseek-v4-pro 或 deepseek-v4-flash 即可，兩款模型均支援 1M 上下文與雙模式。

需要注意的是，舊款的 deepseek-chat 和 deepseek-reasoner 當前已經切換至 V4-Flash 後端，並將在 2026 年 7 月 24 日 15:59（UTC）正式退役下線。

為什麼重要

做長流程智慧體和自動化程式碼工程的開發者，應該立刻試一試這套模型。過去開源模型宣稱支援超長文本，往往只是理論容量，一旦真正跑幾百步工具呼叫，視訊記憶體賬單和推理延遲就會立刻崩潰。DeepSeek 這一版把精力全花在刀刃上，通過壓縮注意力機制把 KV 快取砍掉大半，才讓百萬 token 級的智慧體任務真正具備了實用性。

儘管在純刷榜的分數上它沒有全面重新整理絕對上限，但這種從工程痛點倒推架構演進的做法非常務實。開源社群現在不僅拿到了一套能用的長文本 MoE 權重，更拿到了一套能在真實機器上跑通長時間智慧體任務的工程範式。