剛剛，DeepSeek V4 雙版本正式上線！

機器之心編輯部

終于，全球 AI 圈等待了幾個月的 DeepSeek V4，它終于來了！

今天上午，DeepSeek API 文檔上線，讓我們看到了新版本的「廬山真面目」。

此次，DeepSeek V4 按大小會有兩個版本，分別是DeepSeek-V4-Flash 和 DeepSeek-V4-Pro。上下文長度大家此前已經知道了，是 100 萬 tokens。同時，輸出長度最大為 384K tokens。

就在剛剛，DeepSeek 官方正式宣布上線并開源「DeepSeek-V4 預覽版」

• 開源鏈接：https://huggingface.co/collections/deepseek-ai/deepseek-v4

根據官方的介紹，此次 DeepSeek-V4 在 Agent 能力、世界知識和推理性能上均實現國內與開源領域的領先。

兩個版本，V4-Pro 與 V4-Flash 的最大上下文長度均為 1M，且同時支持「非思考模式」與「思考模式」，其中思考模式支持 reasoning_effort 參數設置思考強度（high/max）。對于復雜的 Agent 場景建議使用思考模式，并設置強度為 「max」。

DeepSeek-V4 發布同時，也公布了其詳細的技術報告。

• 技術報告鏈接：https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf

該系列包括 DeepSeek-V4-Pro（1.6T 參數，49B 激活）和 DeepSeek-V4-Flash（284B 參數，13B 激活），兩者均支持一百萬令牌的上下文長度，旨在提升超長上下文場景下的性能。該系列的關鍵創新包括：

1.混合注意力架構：結合了 壓縮稀疏注意力（CSA） 和 高度壓縮注意力（HCA），這一新方法顯著減少了計算復雜度，提升了長上下文處理的效率，特別適用于涉及數百萬令牌的任務。

2.流形約束超連接（mHC）：增強了傳統殘差連接，提高了信號在層之間傳播的穩定性。

3.Muon 優化器：設計用于加速收斂和提高訓練穩定性，Muon 優化器顯著提升了訓練過程中的模型性能。

4.訓練和后訓練管道：該模型在大量數據集（DeepSeek-V4-Flash 使用 32T 令牌，DeepSeek-V4-Pro 使用 33T 令牌）上進行了預訓練，隨后通過專門的訓練和策略蒸餾進一步優化，確保它們在推理、編程和世界知識任務中表現出色。

5.長上下文效率：這些模型在推理 FLOPs 和 KV 緩存大小 上都實現了顯著減少，使得處理一百萬令牌成為可能。例如，DeepSeek-V4-Pro 在與前代模型 DeepSeek-V3 的對比中，FLOPs 降低了 73%，KV 緩存大小減少了 90%。

6.評估結果：DeepSeek-V4-Pro-Max 版本在推理和知識任務上設定了新基準，超越了之前的開源模型，并接近一些專有模型的水平。DeepSeek-V4-Flash-Max 在更多高效的參數規模下，提供了相當的推理性能。

總的來說，DeepSeek-V4 系列在大規模語言模型的效率上邁出了重要一步，能夠有效處理超長序列，從而為復雜的長時間跨度任務開辟了新的可能性。

在另一邊，大家一直在關心 DeepSeek V4 是否使用國產算力，結果也終于揭曉。之前就有報道 DeepSeek V4 新模型，將采用華為技術公司設計的最新芯片，也是真的。

我們發現，昇騰 CANN 將在今晚 7 點直播 DeepSeek V4在昇騰平臺的首發

值得一提的是，寒武紀在軟硬一體生態中，已經完成基于 vLLM 推理框架完成對 285B DeepSeek-V4-flash 和 1.6T DeepSeek-V4-pro 的Day 0 適配，適配代碼已開源到 GitHub 社區。

DeepSeek 官方在發布推文最后說道：「不誘于譽，不恐于誹，率道而行，端然正己。」出自《荀子?非十二子》，是一種超然，任東西南北風的態度。

剩下的，就是大家親自體驗到 DeepSeek-V4 了！