关于DeepSeek v4，你需要知道的几件事儿|deepseek|上下文|推理|新论文|算法|预训练

来源：市场资讯

（来源：巴芒时间）

文章同步更新于网站，链接：

（https://www.aitouzi.tech/index.php/2026/05/10/关于deepseek-v4，你需要知道的几件事儿）

2026年4月24日，DeepSeek v4发布，DeepSeek v4到底做了哪些事情？能力如何？与业界顶级模型的差距多少？本文给你讲清楚。

1. DeepSeek-v4 模型的能力如何？

大模型的能力测试一般围绕四大块，正对应论文中对DeepSeek-v4 模型测试的四个部分，分别是（世界）知识、推理能力、Agent、长上下文。原文是这么说的：

客观的说：

世界知识层面，与Gemini-3.1-pro 仍有差距；
推理能力层面，与顶级模型GPT-5.4、Gemini-3.1-pro的差距大概在3~6个月。水平大概与GPT-5.2、Gemini-3.0-pro 相当；
Agent层面：与Kimi-K2.6、GLM-5.1 相当。但是稍微差于顶级的闭源模型；
长上下文层面：在1M token上下文的背景下，效果甚至超过了Gemini-3.1-Pro

2. DeepSeek v4有哪些版本？参数量多大？

DeepSeek v4系列有两大版本，分别是flash与pro。在flash与pro版本下，又各对应一个test-time scaling 的版本，即：flash-max 与 pro-max，一图看懂：

简单来说，deepseek-v4-pro-max 就是DeepSeek-v4-pro 做出极限思考下的版本。flash同理。

test-time scaling是指：在推理时给出一些长思考，目的是提升模型的效果。

3. DeepSeek-v4 的初衷是什么？

DeepSeek v4的初衷是：解决长上下文推理问题。

当前各个模型通常会采取test-time scaling 方法来提升模型在推理时的效果，但是test-time scaling存在一个问题：推理时输出的长context会导致计算和内存疯狂暴涨，其复杂程度是O(N^2)级别。

鉴于推理时耗时耗内存的问题，DeepSeek-v4 给出的解决方案是：极致压缩Attention。怎么极致压缩呢？文章提出了两种方法，分别是CSA（Compressed Sparse Attention）和 HCA（Heavliy Compressed Attention）。

CSA的架构

HCA的架构

这两种Attention方法的核心思想是完全一致的：就是基于Attention再做Attention。这么做完之后，就实现了DeepSeek-v4的目的：通过极致的压缩长下文，实现了长下文下的性能极致发挥，从而做到极致的性价比。

所以，DeepSeek-v4 最大的意义在于大模型平权。

4. DeepSeek-v4 系列的预训练

deepseek-v4 的预训练表明：即使使用预训练的方式，只要模型结构设计良好且高效，那么也会取得非常不错的效果。

DeepSeek-V4-Flash 使用 32T tokens ，DeepSeek-V4-Pro 使用 33Ttokens 进行预训练。

经过预训练后，DeepSeek-v4-Flash-Base 的效果就已经超过了DeepSeek-V3.2-Base。这表明：v4的模型设计是更加高效的。更离谱的是，Deepseek-v4-Pro-base 进一步放大了这个收益，直接达到了DeepSeek基座模型的新巅峰水平——在推理、编码、长上下文、世界知识任务中都有全面优势。

5. DeepSeek-v4 系列的后训练

DeepSeek-v4系列选择了两阶段训练的范式：