新挑戰者逼近前沿
中國人工智慧實驗室 DeepSeek 發布備受期待的 V4 系列模型預覽版，推出兩種版本，兼具龐大規模與前所未有的效率。DeepSeek-V4-Pro 與 DeepSeek-V4-Flash 於 2026 年 4 月 24 日推出，展現該公司迄今最積極的企圖，意在挑戰 OpenAI、Anthropic 和 Google 等美國 AI 巨頭的主導地位。
這次發布恰逢 DeepSeek 的 R1 推理模型引發兆美元規模市場暴跌一周年。當時該模型證明，打造世界級 AI 能力所需成本，遠低於前沿系統通常的成本。如今，DeepSeek 藉由 V4 不再只是把自己定位為低成本替代方案，也要成為實力上的真正競爭者，同時維持讓這家杭州新創公司首度受到全球矚目的激進定價策略。
兩款模型的上下文窗口皆達 100 萬 token，可在單一提示中處理約 15 至 20 本完整長篇小說，並採用混合專家架構，在推論時僅啟用部分參數。值得注意的是，該公司以寬鬆的 MIT 授權條款發布模型，允許使用者免費商用及修改，延續其推動開放權重 AI 開發的承諾。
技術架構與規模
DeepSeek V4 系列推出兩種不同配置，分別面向不同用途。旗艦款 V4-Pro 是有史以來規模最大的開放權重模型之一，總參數量達 1.6 兆，每次推論運算會啟用 490 億參數。規模較精簡的 V4-Flash 則有 2,840 億總參數，其中 130 億參數會被啟用，適用於對延遲敏感的應用，以及在消費級硬體上部署。
這種參數效率來自混合專家架構：系統會將每個輸入 token 路由至專門的子網路，而非啟用整個模型。若要執行一個密集型的 1.6 兆參數模型，成本將高得難以負擔；但 DeepSeek 將啟用參數維持在與上一代 V3.2 大致相同的水準，同時擴大專家模組規模，因此能在程式設計、數學及多語言任務上進一步專精，而不必按比例增加運算需求。
突破長上下文瓶頸
V4 架構的核心是 DeepSeek 所稱的「混合注意力架構」，結合壓縮稀疏注意力與高度壓縮注意力機制。這項創新旨在解決大型語言模型持續面臨的挑戰之一：上下文長度增加時，資訊檢索品質會隨之下降。
標準 Transformer 注意力機制難以應付「大海撈針」問題：當特定資訊深藏於長篇文件中，定位這些內容會越來越困難。DeepSeek 宣稱，其方法在百萬 token 檢索基準測試中的準確率達 97%，高於標準注意力機制的 84.2%，有效解決長上下文模型一直面臨的檢索能力衰退問題。
實際上，這代表模型能可靠地處理完整程式碼庫、成套法律文件，或數年來的對話紀錄，而不會遺漏特定細節。對建置檢索增強生成系統的開發者而言，這項能力可能減少甚至免除複雜的分塊策略和外部向量資料庫需求。
基準測試表現：逼近前沿水準
根據獨立評估及 DeepSeek 自行公布的數據，V4-Pro 的表現已逼近最先進的閉源系統。在 SWE-bench Verified 基準測試中，該測試評估模型能否解決實際開源專案的 GitHub 問題，據報 V4-Pro 得分約為 80.6%，幾乎追平 Claude Opus 4.6 的 80.8%，也超越許多先前的開源模型紀錄。
在數學推理基準測試中，V4-Pro 尤其出色。據報模型在 HMMT 2026 的得分為 95.2%，在 IMOAnswerBench 為 89.8%；後者表現領先 Claude Opus 4.6，但略遜於 GPT-5.4。在以 Codeforces 評分衡量的競技程式設計評估中，V4-Pro 得分為 3206，高於 GPT-5.4（3168）和 Gemini 3.1 Pro（3052）。
不過，DeepSeek 對整體前沿水準的評估仍保持審慎。該公司坦言，在一般知識和推理任務上，V4-Pro 落後 Google Gemini 3.1 Pro 約 3 至 6 個月的開發進度。這顯示雙方差距已縮小，但尚未完全追上最先進的閉源系統。
透過增加推理 token，DeepSeek-V4-Pro-Max 在標準推理基準測試中的表現優於 GPT-5.2 和 Gemini-3.0-Pro。然而，其表現仍略遜於 GPT-5.4 和 Gemini-3.1-Pro，顯示其發展進度落後最先進的前沿模型約 3 至 6 個月。
儘管規模較小，V4-Flash 的表現仍出乎意料地具有競爭力，在 MMLU-Pro 得分為 86.2%，略低於 V4-Pro 的 87.5%；在 LiveCodeBench 得分則為 91.6%，低於 Pro 版的 93.5%。這種效率顯示，對許多應用而言，Flash 模型或許已能提供足夠能力，同時大幅降低營運成本。
激進定價與市場衝擊
V4 發布最具顛覆性的部分，或許是其定價策略。DeepSeek 延續一貫做法，以低上好幾個數量級的價格與西方競爭對手競爭。V4-Flash 每百萬輸入 token 收費 0.14 美元，每百萬輸出 token 收費 0.28 美元，比 OpenAI 的 GPT-5.4 Nano（0.20／1.25 美元）及 Gemini 3.1 Flash-Lite（0.25／1.50 美元）還便宜。
旗艦款 V4-Pro 每百萬輸入 token 收費 1.74 美元，每百萬輸出 token 收費 3.48 美元。價格雖高於 Flash 版，仍遠低於同級前沿模型。Claude Opus 4.6 每百萬輸入 token 收費 5 美元、輸出 token 收費 25 美元；GPT-5.4 的每百萬輸入 token 收費 2.50 美元、輸出 token 收費 15 美元。因此，DeepSeek 旗艦模型在基準測試表現相近的情況下，成本約低 50% 至 80%。
這種積極定價得益於模型架構效率大幅提升。DeepSeek 表示，在百萬 token 上下文情境中，V4-Pro 所需的浮點運算量僅為前代 V3.2 的 27%，鍵值快取（KV cache）大小也只有 10%。V4-Flash 的效率更高，運算量僅為 V3.2 的 10%，KV cache 大小則只有 7%。
產業分析師指出，這種定價壓力可能迫使市場更廣泛地調整。DeepSeek 的 R1 模型推出時，API 費用約比 OpenAI 類似產品低 90%，競爭對手隨後開放進階模型供免費方案用戶使用，並調整自家定價。隨著 V4 為高效能及平價 AI 推論建立新的成本基準，市場可能再次出現類似變化。
硬體自主與訓練基礎設施
V4 發布涉及重要的地緣政治與技術層面，其訓練基礎設施便是一例。有別於多數主要採用 Nvidia 最先進 GPU 打造的前沿 AI 模型，據報 DeepSeek 使用華為昇騰 910B AI 加速器與寒武紀 MLU 晶片進行 V4 訓練，並在華為昇騰 NPU 平台上完成驗證。
這項進展對全球 AI 硬體市場影響重大。由於美國出口限制使中國難以取得 Nvidia 效能最高的晶片，DeepSeek 已證明，運用中國國產晶片也能開發前沿規模的 AI 模型。若模型的基準測試數據經獨立檢視後獲得證實，將代表華為與寒武紀可作為 Nvidia 的可行替代方案，支援大規模 AI 訓練，並可能加速 AI 硬體供應鏈多元化。
Counterpoint Research 首席 AI 分析師 Wei Sun 指出，V4 能在中國本土晶片上原生運行，可能對北京推動 AI 主權目標產生重大影響。
這最終也將加快全球 AI 發展。
消費級硬體部署
儘管參數量龐大，DeepSeek 強調 V4 的量化版本可在消費級硬體上運行。該公司表示，使用 INT4 量化時，V4-Flash 可在單張配備 32GB VRAM 的 Nvidia RTX 5090 上運作；若採用 INT8 精度，也可在兩張 RTX 4090 上執行，VRAM 總量為 48GB。Pro 版完整權重大小為 865GB，需使用多節點 GPU 叢集進行全精度推論，但也可能支援串流部署策略。
這與閉源前沿模型形成鮮明對比，後者需要透過 API 存取，並仰賴資料中心基礎設施。對重視資料隱私、延遲或營運成本可預測性的開發者而言，能在市售硬體上自行託管兆參數級模型，將大幅改變 AI 部署的實際成本效益。
市場影響與策略定位
V4 的發布不僅加劇中國與美國 AI 開發商之間的競爭，也升高中國國內市場的競爭。自 DeepSeek 的 R1 取得突破後，阿里巴巴的 Qwen、字節跳動和月之暗面等中國業者都加快發布自家模型。DeepSeek 最新消息一出，立即衝擊競爭對手股價；V4 公布後，MiniMax 和智譜在香港交易中都下跌約 8%。
據報 DeepSeek 在發布模型的同時，首次尋求外部融資，目標是募資至少 3 億美元，估值超過 100 億美元；部分報導則指出，該公司與騰訊和阿里巴巴洽談，可能將估值推高至 200 億美元。這代表公司策略出現轉變，過去 DeepSeek 唯一依靠的資金來源，是其母公司對沖基金幻方量化。
然而，公司目前面臨基礎設施限制。DeepSeek 警告，由於高階運算資源短缺，Pro 版目前服務容量有限；預計要到 2026 年下半年大規模部署華為昇騰 950「超級節點」後，價格才會顯著下滑。
這次發布也正值 AI 發展相關地緣政治緊張局勢升高之際。白宮近期指控中國在 AI 領域進行產業規模的智慧財產權竊取，北京外交部則斷然駁斥，稱相關說法毫無根據，是對中國技術進步的攻擊。DeepSeek 持續採用 Apache 2.0 和 MIT 授權條款開放發布，與許多西方前沿實驗室日益封閉的策略形成對比，也使該公司成為開放權重 AI 開發的代表。
重點整理
- DeepSeek 發布 V4-Pro（1.6 兆參數，啟用 490 億）和 V4-Flash（2,840 億參數，啟用 130 億）的預覽版，兩款模型的上下文窗口皆達 100 萬 token
- 兩款模型皆以開源授權條款（MIT／Apache 2.0）發布，允許免費商用及修改
- V4-Pro 在程式設計任務的基準測試中，表現可與 Claude Opus 4.6 和 GPT-5.4 競爭，成本則低 50% 至 80%
- V4-Flash 每百萬輸出 token 收費 0.28 美元，是具備相當能力的小型模型中最便宜的選擇，價格甚至低於 OpenAI 的 GPT-5.4 Nano
- 模型使用非 Nvidia 硬體訓練，包括華為昇騰與寒武紀晶片，展現美國 AI 矽晶片以外的可行替代方案
- 包括混合注意力架構在內的創新設計，最多可將運算需求降至前代模型的 10%
- 量化版本可在消費級硬體上運行，包括單張 RTX 5090 或兩張 RTX 4090 的配置
- DeepSeek 坦言，在一般知識任務上，模型仍落後最先進的前沿系統約 3 至 6 個月
- 此次發布加劇 AI 產業的價格壓力，也讓中國國內 AI 產業的競爭更加激烈
