DeepSeek V4 发布 这次有哪些创新？技术报告解读...

DeepSeek V4 发布 这次有哪些创新？技术报告解读... DeepSeek V4 发布 这次有哪些创新？技术报告解读... Modified April 25 训练一个 1.6T MoE 模型是个极其脆弱的过程。参数量到这个量级，训练流程里每个默认选择都可能在某个节点翻车。V4 不是单点创新，是把四个会出事的地方挨个换了新做法。 第一个坎：深层网络容易训着训着突然崩 。参数多、层数深，梯度很容易在某一层出异常，训到一半不收敛，工程师管这叫「训崩」。V4 的解法叫 mHC ,在残差连接里加了一层数学约束，把梯度走势框在安全区间里。相当于给摩天大楼加抗震钢筋，层再高也不会结构性倒塌。 第二个坎：老优化器跑得太慢 。优化器是训练里决定「每一步往哪走、走多远」的大脑。过去十年大家默认用 AdamW,稳但慢。V4 换成 Muon ,同样的训练预算能多走 20 30% 的距离，稳定性还更高。这是训练界过去一年最被关注的新工具，V4 是目前最大规模的实战部署。 第三个坎：万亿参数塞不下显存 。传统训练用 BF16(16 位浮点）表示参数，V4 压到 FP4 (4 位浮点),同样的硬件能多塞 4 倍的参数，GPU 之间的通信带宽也省下来。类比：描述身高，「1.753 米」是精确写法，「1.8 米」是粗略写法。神经网络多数参数对这种精度不敏感，粗颗粒表示照样能算对。代价是误差容忍度变低，DeepSeek 为此把整套训练流程重新校准了一遍。 第四个坎：GPU 在等数据 。MoE 训练里专家之间要不停传数据，CUDA 默认调度一不小心就把 GPU 算力晾在那儿等数据到齐。V4 团队自研了 TileLang 这门 GPU 内核语言，手动把通信和计算交织排布，让 GPU 在等数据的空隙里顺手把下一批计算先做了。像给工地换了一套更精细的施工调度，不再让工人站着等水泥。 每条单看都不起眼，攒到一起，是一个团队把「1.6T MoE 还要跑出好精度」这事的每一颗螺丝都拧到位了。万亿级训练上，任何一颗松了，整个训练就前功尽弃。 后训练：专家先单独练透，再合并到一个学生身上 训练一个全能模型，传统做法是 SFT(监督微调）加 RLHF(人类反馈强化学习）混着跑，代码、数学、写作、常识一起训。问题是它们会互相拉扯，练代码多了写作掉分，训写作细腻了代码又变笨。 V4 换了两阶段思路。 第一阶段，各专家分头练到顶 。让每个领域各有一个专家模型，代码专家只练代码，数学专家只练数学，写作专家只练写作，用 SFT 加 GRPO(一种强化学习算法）在各自方向上跑到极致。十几个专家互不干扰。 第二阶段，蒸馏到一个学生 。通过 OPD (On Policy Distillation,在线策略蒸馏）把这十几个专家的能力合并到一个统一的学生模型里。类比：不是让一个学生同时上十门课，而是请十位专科老师轮流给一个学生做示范，老师怎么做，学生就跟着怎么做。「边做边学」比「看书自学」有效得多，学生最后拿到的是融合了十种专业能力的综合体，每一项都接近专家水准。 奖励模型也升级了 。RLHF 传统的奖励信号是 scalar reward,评委给每个回答打一个分，比如 1 到 10。V4 换成 GRM (生成式奖励模型),评委不打分，改写一段带理由的评语，比如「这段代码逻辑对，但变量命名不清晰，异常处理缺失」。这比单一分数密得多，学生能学到的细节也多得多。 Agent 能力是在真实沙盒里练出来的 。V4 专门做了一个叫 DSec Sandbox 的训练环境，模型在里面真的跑工具调用、执行代码、读写文件，失败了拿真实反馈接着改。这种「实战演习」训出来的 agent 能力，跟只在文本里纸上谈兵训出来的不是一个东西。很多开源模型 agentic coding 跑分好看，但一到真实工作流就翻车，差别就在这。 配套的工程细节还有三档推理模式（Non think 不思考直接答 / Think High 中等 / Think Max 最深）、Interleaved Thinking(多轮工具调用之间保留完整思考链，不会每次工具返回后把大脑清空重来）、以及工具调用格式从 JSON 换成 DSML(一种 XML 标签，比 JSON 出错少）。 这些细节加起来，才让 V4 Pro 在真实 agentic coding 场景上能追上顶级闭源。 03 三、价格：V4 Pro 是 Opus 4.7 的 1/5,GPT 5.5 的 1/9 性能追到这个位置，下一个要问的问题就是，多少钱一斤。 先看 V4 自己的报价（百万 tokens,人民币): 计费项 V4 Flash V4 Pro 输入（缓存命中） 0.2 元 1 元 输入（缓存未命中） 1 元 12 元 输出 2 元 24 元 横向拉出来比。人民币按当前汇率换成美元（1 美元 ≈ 7.2 元),各家都取官方标准档牌价，不算批处理、不算夜间折扣这些优惠： 模型 输入（USD/M） 缓存命中 输出（USD/M） 上下文 DeepSeek V4 Flash $0.14 $0.028 $0.28 1M DeepSeek V4 Pro $1.67 $0.14 $3.33 1M Gemini 3.1 Pro(≤200K） $2.00 $0.20 $12.00 1M Gemini 3.1 Pro( 200K） $4.00 $0.40 $18.00 1M GPT 5.4 $2.50 $0.25 $15.00 400K GPT 5.5 $5.00 未公布 $30.00 1M Claude Opus 4.6 $5.00 $0.50 $25.00 1M Claude Opus 4.7 $5.00 $0.50 $25.00 1M 两个脚注。GPT 5.5 是今天（4 月 24 日）刚发的，价格直接在 5.4 基础上翻了一倍。Opus 4.7 的牌价和 4.6 一样，但 4.7 换了一版 tokenizer,同样的文本会切出比 4.6 多 35% 左右的 token,实际账单会比牌价看起来贵一截。 单比输入或者单比输出不公平，按业界常用的 3:1 输入输出混合费率（blended rate）算每百万 tokens 的综合成本，这才是真实月底账单的换算基数： 模型 Blended (USD/M） 相对 V4 Pro DeepSeek V4 Flash $0.21 0.1× DeepSeek V4 Pro $2.08 1× Gemini 3.1 Pro $4.50 2.2× GPT 5.4 $5.63 2.7× Claude Opus 4.6 / 4.7 $10.00 4.8× GPT 5.5 $11.25 5.4× 几个能直接拎出来的对比： V4 Pro 是 Opus 4.7 的 1/5 。结合前面的评测，V4 Pro Max 在 R&D Coding 上已经贴到 Opus 4.5 非思考档的脚后跟。花 Opus 五分之一的钱买一个差两个小版本的体验，这个性价比在旗舰档里没见过。 V4 Pro 的输出只有 GPT 5.5 的 1/9 。这是今天最魔幻的对比。GPT 5.5 上午刚发，定价激进，V4 同一天发，价格差一个量级。两边是同一个行业，但看起来不太像是同一个时代。 V4 Pro 和 Gemini 3.1 Pro 输入价几乎打平 ($1.67 vs $2.00),但输出差 3.6 倍。Gemini 3.1 Pro 原本是闭源里性价比最好的旗舰，V4 把这个标杆又往下拉了一截。 缓存命中是 DeepSeek 的隐藏大招 。V4 Pro 缓存命中输入 $0.14 / M,Opus 4.7 缓存命中 $0.50 / M,差 3.6 倍。Agent 系统的 system prompt 动辄几万 token 反复复用，这部分差价攒下来是实打实的。 算个更直观的账。假设一个 Agent 产品日均 1000 万 tokens 输入 + 300 万 tokens 输出，跑一个月： 模型 月成本（USD） DeepSeek V4 Pro $799 Gemini 3.1 Pro $1,680 GPT 5.4 $2,100 Claude Opus 4.7 $3,750 GPT 5.5 $4,200 一个月的差价够一个工位的工资。V4 Pro 月账比 Opus 4.7 省下 2900 多美元，比 GPT 5.5 省 3400 美元。这已经不是省不省的问题，是能不能靠这个跑出正毛利的问题。 「1M 不加钱」那句话，到这张表上就真的落地了。过去一年长上下文在各家都是带阶梯定价的溢价功能，128K 一个价，1M 又一个价，或者直接按上下文长度阶梯涨。V4 把溢价抹掉，1M 和 128K 一个价卖。 04 四、接进来：一行配置的事 API 这边做得很克制。base url 不变，model 参数换成 deepseek v4 pro 或 deepseek v4 flash 就切过去了。OpenAI ChatCompletions 接口和 Anthropic 接口都兼容。 注意上面图片的灰色小字↑，价格还有很大空间... Anthropic 接口兼容这一条，是对 Claude Code 用户的直接招手。Claude Code 是 很多开发者日常用它写代码，用的就是 Anthropic API 格式。改一个 base url 加一个 model name,就能把 V4 接进你现成的 Claude Code 工作流里去。内部评测体感优于 Sonnet 4.5,接近 Opus 4.6 非思考模式，1M 上下文白送，账单还是 Opus 的 1/5。 换句话说，DeepSeek 把你留在 Claude 生态里的迁移门槛，降到了「改一行配置」。 原来的 deepseek chat 和 deepseek reasoner 两个 model name 会在 2026 07 24 正式停用，过渡期指向 V4 Flash 的非思考和思考模式。这是一次干净的代际切换，不是并行叠床架屋。切到 V4,就是一条路。 思考模式里还多了 reasoning effort 参数，可以设 high 或 max,换来的是硬任务的准确率。复杂 agent 场景官方建议直接给 max。 开源权重同步上了 HuggingFace 和 ModelScope,技术报告也放出来了。要跑本地部署或者做二次训练的可以直接拿。 05 写在最后 V4 追得紧，但不是样样都追上了。 把它相对顶级闭源的短板按严重程度摆出来，分三档： 致命 ：靠 V4 自己补不回来的差距,换模型才能解决。 明显 ：差距真实存在,但方向对、在缩小，下个版本有希望。 可接受 ：能感觉到落后，但不影响核心场景，或者本来就不是 V4 的目标。 就像 DeepSeek V4 官方公众号结尾说的： 希望一些人凡是遵循客观规律和事物的发展，不要盲目的期望，也不要妄自菲薄。 更不要自大自夸，也不要妄自尊大... 秉持长期主义的原则理念，在尝试与思考中踏实前行... 本文参考：DeepSeek V4 官方发布文章（微信公众号 / 深度求索)+ DeepSeek V4 技术报告 PDF [1] + LMArena 榜单数据 参考链接 [1] DeepSeek V4 技术报告 PDF: https://huggingface.co/deepseek ai/DeepSeek V4 Pro/blob/main/DeepSeek V4.pdf — END — 训练一个 1.6T MoE 模型是个极其脆弱的过程。参数量到这个量级，训练流程里每个默认选择都可能在某个节点翻车。V4 不是单点创新，是把四个会出事的地方挨个换了新做法。 第一个坎：深层网络容易训着训着突然崩 。参数多、层数深，梯度很容易在某一层出异常，训到一半不收敛，工程师管这叫「训崩」。V4 的解法叫 mHC ,在残差连接里加了一层数学约束，把梯度走势框在安全区间里。相当于给摩天大楼加抗震钢筋，层再高也不会结构性倒塌。 第二个坎：老优化器跑得太慢 。优化器是训练里决定「每一步往哪走、走多远」的大脑。过去十年大家默认用 AdamW,稳但慢。V4 换成 Muon ,同样的训练预算能多走 20 30% 的距离，稳定性还更高。这是训练界过去一年最被关注的新工具，V4 是目前最大规模的实战部署。 第三个坎：万亿参数塞不下显存 。传统训练用 BF16(16 位浮点）表示参数，V4 压到 FP4 (4 位浮点),同样的硬件能多塞 4 倍的参数，GPU 之间的通信带宽也省下来。类比：描述身高，「1.753 米」是精确写法，「1.8 米」是粗略写法。神经网络多数参数对这种精度不敏感，粗颗粒表示照样能算对。代价是误差容忍度变低，DeepSeek 为此把整套训练流程重新校准了一遍。 第四个坎：GPU 在等数据 。MoE 训练里专家之间要不停传数据，CUDA 默认调度一不小心就把 GPU 算力晾在那儿等数据到齐。V4 团队自研了 TileLang 这门 GPU 内核语言，手动把通信和计算交织排布，让 GPU 在等数据的空隙里顺手把下一批计算先做了。像给工地换了一套更精细的施工调度，不再让工人站着等水泥。 每条单看都不起眼，攒到一起，是一个团队把「1.6T MoE 还要跑出好精度」这事的每一颗螺丝都拧到位了。万亿级训练上，任何一颗松了，整个训练就前功尽弃。 后训练：专家先单独练透，再合并到一个学生身上 训练一个全能模型，传统做法是 SFT(监督微调）加 RLHF(人类反馈强化学习）混着跑，代码、数学、写作、常识一起训。问题是它们会互相拉扯，练代码多了写作掉分，训写作细腻了代码又变笨。 V4 换了两阶段思路。 第一阶段，各专家分头练到顶 。让每个领域各有一个专家模型，代码专家只练代码，数学专家只练数学，写作专家只练写作，用 SFT 加 GRPO(一种强化学习算法）在各自方向上跑到极致。十几个专家互不干扰。 第二阶段，蒸馏到一个学生 。通过 OPD (On Policy Distillation,在线策略蒸馏）把这十几个专家的能力合并到一个统一的学生模型里。类比：不是让一个学生同时上十门课，而是请十位专科老师轮流给一个学生做示范，老师怎么做，学生就跟着怎么做。「边做边学」比「看书自学」有效得多，学生最后拿到的是融合了十种专业能力的综合体，每一项都接近专家水准。 奖励模型也升级了 。RLHF 传统的奖励信号是 scalar reward,评委给每个回答打一个分，比如 1 到 10。V4 换成 GRM (生成式奖励模型),评委不打分，改写一段带理由的评语，比如「这段代码逻辑对，但变量命名不清晰，异常处理缺失」。这比单一分数密得多，学生能学到的细节也多得多。 Agent 能力是在真实沙盒里练出来的 。V4 专门做了一个叫 DSec Sandbox 的训练环境，模型在里面真的跑工具调用、执行代码、读写文件，失败了拿真实反馈接着改。这种「实战演习」训出来的 agent 能力，跟只在文本里纸上谈兵训出来的不是一个东西。很多开源模型 agentic coding 跑分好看，但一到真实工作流就翻车，差别就在这。 配套的工程细节还有三档推理模式（Non think 不思考直接答 / Think High 中等 / Think Max 最深）、Interleaved Thinking(多轮工具调用之间保留完整思考链，不会每次工具返回后把大脑清空重来）、以及工具调用格式从 JSON 换成 DSML(一种 XML 标签，比 JSON 出错少）。 这些细节加起来，才让 V4 Pro 在真实 agentic coding 场景上能追上顶级闭源。 03 三、价格：V4 Pro 是 Opus 4.7 的 1/5,GPT 5.5 的 1/9 性能追到这个位置，下一个要问的问题就是，多少钱一斤。 先看 V4 自己的报价（百万 tokens,人民币): 计费项 V4 Flash V4 Pro 输入（缓存命中） 0.2 元 1 元 输入（缓存未命中） 1 元 12 元 输出 2 元 24 元 计费项 计费项 V4 Flash V4 Flash V4 Pro V4 Pro 输入（缓存命中） 输入（缓存命中） 0.2 元 0.2 元 1 元 1 元 输入（缓存未命中） 输入（缓存未命中） 1 元 1 元 12 元 12 元 输出 输出 2 元 2 元 24 元 24 元 横向拉出来比。人民币按当前汇率换成美元（1 美元 ≈ 7.2 元),各家都取官方标准档牌价，不算批处理、不算夜间折扣这些优惠： 模型 输入（USD/M） 缓存命中 输出（USD/M） 上下文 DeepSeek V4 Flash $0.14 $0.028 $0.28 1M DeepSeek V4 Pro $1.67 $0.14 $3.33 1M Gemini 3.1 Pro(≤200K） $2.00 $0.20 $12.00 1M Gemini 3.1 Pro( 200K） $4.00 $0.40 $18.00 1M GPT 5.4 $2.50 $0.25 $15.00 400K GPT 5.5 $5.00 未公布 $30.00 1M Claude Opus 4.6 $5.00 $0.50 $25.00 1M Claude Opus 4.7 $5.00 $0.50 $25.00 1M 模型 模型 输入（USD/M） 输入（USD/M） 缓存命中 缓存命中 输出（USD/M） 输出（USD/M） 上下文 上下文 DeepSeek V4 Flash DeepSeek V4 Flash $0.14 $0.14 $0.028 $0.028 $0.28 $0.28 1M 1M DeepSeek V4 Pro DeepSeek V4 Pro $1.67 $1.67 $0.14 $0.14 $3.33 $3.33 1M 1M Gemini 3.1 Pro(≤200K） Gemini 3.1 Pro(≤200K） $2.00 $2.00 $0.20 $0.20 $12.00 $12.00 1M 1M Gemini 3.1 Pro( 200K） Gemini 3.1 Pro( 200K） $4.00 $4.00 $0.40 $0.40 $18.00 $18.00 1M 1M GPT 5.4 GPT 5.4 $2.50 $2.50 $0.25 $0.25 $15.00 $15.00 400K 400K GPT 5.5 GPT 5.5 $5.00 $5.00 未公布 未公布 $30.00 $30.00 1M 1M Claude Opus 4.6 Claude Opus 4.6 $5.00 $5.00 $0.50 $0.50 $25.00 $25.00 1M 1M Claude Opus 4.7 Claude Opus 4.7 $5.00 $5.00 $0.50 $0.50 $25.00 $25.00 1M 1M 两个脚注。GPT 5.5 是今天（4 月 24 日）刚发的，价格直接在 5.4 基础上翻了一倍。Opus 4.7 的牌价和 4.6 一样，但 4.7 换了一版 tokenizer,同样的文本会切出比 4.6 多 35% 左右的 token,实际账单会比牌价看起来贵一截。 单比输入或者单比输出不公平，按业界常用的 3:1 输入输出混合费率（blended rate）算每百万 tokens 的综合成本，这才是真实月底账单的换算基数： 模型 Blended (USD/M） 相对 V4 Pro DeepSeek V4 Flash $0.21 0.1× DeepSeek V4 Pro $2.08 1× Gemini 3.1 Pro $4.50 2.2× GPT 5.4 $5.63 2.7× Claude Opus 4.6 / 4.7 $10.00 4.8× GPT 5.5 $11.25 5.4× 模型 模型 Blended (USD/M） Blended (USD/M） 相对 V4 Pro 相对 V4 Pro DeepSeek V4 Flash DeepSeek V4 Flash $0.21 $0.21 0.1× 0.1× DeepSeek V4 Pro DeepSeek V4 Pro $2.08 $2.08 1× 1× Gemini 3.1 Pro Gemini 3.1 Pro $4.50 $4.50 2.2× 2.2× GPT 5.4 GPT 5.4 $5.63 $5.63 2.7× 2.7× Claude Opus 4.6 / 4.7 Claude Opus 4.6 / 4.7 $10.00 $10.00 4.8× 4.8× GPT 5.5 GPT 5.5 $11.25 $11.25 5.4× 5.4× 几个能直接拎出来的对比： V4 Pro 是 Opus 4.7 的 1/5 。结合前面的评测，V4 Pro Max 在 R&D Coding 上已经贴到 Opus 4.5 非思考档的脚后跟。花 Opus 五分之一的钱买一个差两个小版本的体验，这个性价比在旗舰档里没见过。 V4 Pro 的输出只有 GPT 5.5 的 1/9 。这是今天最魔幻的对比。GPT 5.5 上午刚发，定价激进，V4 同一天发，价格差一个量级。两边是同一个行业，但看起来不太像是同一个时代。 V4 Pro 和 Gemini 3.1 Pro 输入价几乎打平 ($1.67 vs $2.00),但输出差 3.6 倍。Gemini 3.1 Pro 原本是闭源里性价比最好的旗舰，V4 把这个标杆又往下拉了一截。 缓存命中是 DeepSeek 的隐藏大招 。V4 Pro 缓存命中输入 $0.14 / M,Opus 4.7 缓存命中 $0.50 / M,差 3.6 倍。Agent 系统的 system prompt 动辄几万 token 反复复用，这部分差价攒下来是实打实的。 算个更直观的账。假设一个 Agent 产品日均 1000 万 tokens 输入 + 300 万 tokens 输出，跑一个月： 模型 月成本（USD） DeepSeek V4 Pro $799 Gemini 3.1 Pro $1,680 GPT 5.4 $2,100 Claude Opus 4.7 $3,750 GPT 5.5 $4,200 模型 模型 月成本（USD） 月成本（USD） DeepSeek V4 Pro DeepSeek V4 Pro $799 $799 Gemini 3.1 Pro Gemini 3.1 Pro $1,680 $1,680 GPT 5.4 GPT 5.4 $2,100 $2,100 Claude Opus 4.7 Claude Opus 4.7 $3,750 $3,750 GPT 5.5 GPT 5.5 $4,200 $4,200 一个月的差价够一个工位的工资。V4 Pro 月账比 Opus 4.7 省下 2900 多美元，比 GPT 5.5 省 3400 美元。这已经不是省不省的问题，是能不能靠这个跑出正毛利的问题。 「1M 不加钱」那句话，到这张表上就真的落地了。过去一年长上下文在各家都是带阶梯定价的溢价功能，128K 一个价，1M 又一个价，或者直接按上下文长度阶梯涨。V4 把溢价抹掉，1M 和 128K 一个价卖。 04 四、接进来：一行配置的事 API 这边做得很克制。base url 不变，model 参数换成 deepseek v4 pro 或 deepseek v4 flash 就切过去了。OpenAI ChatCompletions 接口和 Anthropic 接口都兼容。 注意上面图片的灰色小字↑，价格还有很大空间... Anthropic 接口兼容这一条，是对 Claude Code 用户的直接招手。Claude Code 是 很多开发者日常用它写代码，用的就是 Anthropic API 格式。改一个 base url 加一个 model name,就能把 V4 接进你现成的 Claude Code 工作流里去。内部评测体感优于 Sonnet 4.5,接近 Opus 4.6 非思考模式，1M 上下文白送，账单还是 Opus 的 1/5。 换句话说，DeepSeek 把你留在 Claude 生态里的迁移门槛，降到了「改一行配置」。 原来的 deepseek chat 和 deepseek reasoner 两个 model name 会在 2026 07 24 正式停用，过渡期指向 V4 Flash 的非思考和思考模式。这是一次干净的代际切换，不是并行叠床架屋。切到 V4,就是一条路。 思考模式里还多了 reasoning effort 参数，可以设 high 或 max,换来的是硬任务的准确率。复杂 agent 场景官方建议直接给 max。 开源权重同步上了 HuggingFace 和 ModelScope,技术报告也放出来了。要跑本地部署或者做二次训练的可以直接拿。 05 写在最后 V4 追得紧，但不是样样都追上了。 把它相对顶级闭源的短板按严重程度摆出来，分三档： 致命 ：靠 V4 自己补不回来的差距,换模型才能解决。 明显 ：差距真实存在,但方向对、在缩小，下个版本有希望。 可接受 ：能感觉到落后，但不影响核心场景，或者本来就不是 V4 的目标。 就像 DeepSeek V4 官方公众号结尾说的： 希望一些人凡是遵循客观规律和事物的发展，不要盲目的期望，也不要妄自菲薄。 更不要自大自夸，也不要妄自尊大... 秉持长期主义的原则理念，在尝试与思考中踏实前行... 本文参考：DeepSeek V4 官方发布文章（微信公众号 / 深度求索)+ DeepSeek V4 技术报告 PDF [1] + LMArena 榜单数据 参考链接 [1] DeepSeek V4 技术报告 PDF: https://huggingface.co/deepseek ai/DeepSeek V4 Pro/blob/main/DeepSeek V4.pdf — END — 🔗 原文链接： https://mp.weixin.qq.com/s/ S7Sgsrl... https://mp.weixin.qq.com/s/ S7Sgsrl... 原创 小互 小互 小互AI2026年4月24日 14:53 安徽 小互AI · 深度解读 DeepSeek V4 预览版开源：1M 上下文成标配 今天 DeepSeek 把 V4 的预览版开出来了，同步开源。 使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与 Opus 4.6 思考模式存在一定差距。 核心信息先铺一遍： • 两个版本 : V4 Pro 1.6T 总参 / 49B 激活、 V4 Flash 284B / 13B,都是 MoE 架构（一次只派最相关的几个专家干活),均默认 1M 上下文 + 最大 384K 输出 • V4 Pro 的 Agentic Coding 是当前开源最佳 ,已成为 DeepSeek 内部员工日常使用的模型，官方自评"优于 Sonnet 4.5,交付质量接近 Opus 4.6 非思考模式" • 代码、数学、竞赛超越所有已公开评测的开源模型 ,部分指标（LiveCodeBench、Codeforces）已反超 Opus 4.6 Max 和 GPT 5.4 xHigh,世界知识仍落后 Gemini 3.1 Pro • LMArena 盲测开源第 2 (Text Arena)/ 开源第 3 (Code Arena),「医学 & 医疗健康」分类榜总榜第 1 • 技术报告四大创新 : CSA + HCA 注意力换血、 mHC + Muon + FP4 + TileLang 训练栈、 两阶段专家蒸馏 + GRM 奖励模型、 DSec Agent 沙盒 • 价格打到顶级闭源的 1/5 到 1/9 :V4 Pro 比 Opus 4.7 便宜 5 倍，比 GPT 5.5 便宜 9 倍 Pro 追到顶级闭源梯队，Flash 走量 V4 Pro 的进步按维度拆开看： 能力维度 V4 Pro 位置 Agentic Coding 当前开源最佳 数学 / STEM / 竞赛代码 超越所有已公开评测的开源模型，比肩顶级闭源 世界知识 开源大幅领先，仅稍逊于 Gemini Pro 3.1 能力维度 能力维度 V4 Pro 位置 V4 Pro 位置 Agentic Coding Agentic Coding 当前开源最佳 当前开源最佳 数学 / STEM / 竞赛代码 数学 / STEM / 竞赛代码 超越所有已公开评测的开源模型，比肩顶级闭源 超越所有已公开评测的开源模型，比肩顶级闭源 世界知识 世界知识 开源大幅领先，仅稍逊于 Gemini Pro 3.1 开