DeepSeek V4 预览版开源上线后，第一波来自第三方榜单的测评结果已经出炉。
多家测评显示，DeepSeek V4性能尤其在代码任务上冲进开源第一梯队，同时以“百万级上下文+低价”把开发者侧的使用门槛进一步压低。
从第三方评测来看，评测平台 Arena.ai 在 X 上将V4 Pro（思考模式）定性为"相较DeepSeek V3.2的重大飞跃"，在其代码竞技场中列开源模型第3位、综合第14位；另一家测评方 Vals AI 则称，V4在其Vibe Code Benchmark中以"压倒性优势"拿下开源权重模型榜首，击败Gemini 3.1 Pro等闭源模型，较上代V3.2实现约10倍性能跃升。
定价层面，V4-Flash输出价格为每百万token 0.28美元，较Claude Opus 4.7低逾99%；V4-Pro输出价格为3.48美元，是同级别前沿模型中定价最低的选项之一。对比表格显示，Flash 处于小模型区间最低档，Pro 也处于“大模型前沿”区间低位。
围绕实际体验的讨论开始分化。多位网友在 X 上称其性价比“打穿”，而DeepSeek在自述材料中则保持克制，称在知识与推理上接近闭源系统但仍有约3到6个月差距，同时提示“受限于高端算力”，Pro 服务吞吐有限，后续价格存在下调预期。
第三方测评：代码能力独占鳌头，综合排名紧追顶级
就在OpenAI GPT-5.5发布不久后，DeepSeek-V4预览版正式上线并同步开源，涵盖参数总量1.6万亿（激活参数49B）的V4-Pro，以及参数总量2840亿（激活参数13B）的V4-Flash，两款模型均支持100万token超长上下文窗口，采用MIT开源协议。
模型评测平台Arena.ai在V4发布当日宣布，DeepSeek V4 Pro（思考模式）在其代码竞技场中排名开源模型第3位，综合排名第14位，并将此次发布定性为"相较DeepSeek V3.2的重大飞跃"。Arena.ai同时测试了V4 Flash，两款模型均支持100万token上下文。
Vals AI的评测结果更具看点。该平台表示，DeepSeek V4在其Vibe Code Benchmark中"以压倒性优势"成为开源权重模型第一，不仅超越第2名Kimi K2.6，更击败Gemini 3.1 Pro等闭源前沿模型。
Vals AI特别强调，V4较V3.2实现了约10倍的性能跃升——"V3.2在该基准上仅得5分，这不是笔误。"在Vals综合指数排名中，V4以第2位收官，与榜首Kimi K2.6仅相差0.07%。
社区反应十分积极。在X平台上，用户Sigrid Jin称其带来新的“shocking moment”，并提到“现在可以在家里跑 gpt 5.4-ish 的模型”。他写道：
"GPT-5.5，对不起，DeepSeek V4才是新的震撼时刻，它在代码竞技场中击败了GPT-5.4高强度模式。"
用户Ejaaz则称：
"中国正在主导AI，他们已经追上来了。DeepSeek V4 Flash比Opus 4.7便宜99%，每百万token仅需0.28美元，代码竞技场排名第一，这不是笔误。"
也有用户表达保留意见，X用户Michael Anti在试用后表示，V4 Flash的实际体验未能超越此前已相当成熟的V3.2，认为对老用户而言升级体验令人失望。
官方自评：措辞克制，代码与Agent领域差距最小
DeepSeek对自身性能的评述保持了一贯的审慎风格。官方文件显示，在知识与推理任务上，V4-Pro已超越主流开源模型，接近Gemini等闭源系统，但与最先进的前沿模型仍存在约3至6个月的差距。在Agent和代码任务上，表现接近甚至部分超过Claude Sonnet。
内部使用数据方面，DeepSeek表示，V4已成为公司内部员工的Agentic Coding（智能体编程）主力模型，评测反馈显示其使用体验优于Claude Sonnet 4.5，交付质量接近Opus 4.6非思考模式，但与Opus 4.6思考模式仍有一定差距。
在数学、STEM及竞赛级代码评测中，V4-Pro超越目前已公开评测的所有开源模型，包括月之暗面的Kimi K2.6 Thinking和智谱GLM-5.1 Thinking，并取得比肩顶级闭源模型的成绩。
博主Simon Willison在其测评文章中指出，V4-Pro（1.6万亿参数）是目前已知最大的开源权重模型，超过Kimi K2.6（1.1万亿）、GLM-5.1（7540亿）以及DeepSeek V3.2（6850亿），为有意本地部署的企业用户提供了新的选项。
他还晒出了不同模型做出的鹈鹕图例：
这是DeepSeek-V4-Flash的鹈鹕：
至于DeepSeek-V4-Pro：
价格体系：最低仅为竞品1%，下半年仍有进一步降价空间
DeepSeek的定价策略是此次发布中最受市场关注的部分。V4-Flash的输入/输出价格分别为每百万token 0.14美元/0.28美元，低于OpenAI GPT-5.4 Nano（0.20美元/1.25美元）和Gemini 3.1 Flash-Lite（0.25美元/1.50美元），是目前小型模型中定价最低的选项。
V4-Pro的输入/输出价格为1.74美元/3.48美元，同样低于Gemini 3.1 Pro（2美元/12美元）、GPT-5.4（2.50美元/15美元）、Claude Sonnet 4.6（3美元/15美元）和Claude Opus 4.7（5美元/25美元）。
博主Simon Willison汇总的价格对比数据显示，V4-Pro是目前大型前沿模型中成本最低的选项，V4-Flash则是小型模型中成本最低的，甚至低于OpenAI的GPT-5.4 Nano。
DeepSeek将上述低价能力归因于模型在超长上下文场景下的极致效率优化。官方数据显示，在100万token场景下，V4-Pro的单token推理算力仅为V3.2的27%，KV缓存仅为10%；V4-Flash则分别低至10%和7%。
值得关注的是，DeepSeek在价格说明中附注称，"受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调"，暗示当前定价仍有进一步下调空间。
技术架构：混合注意力机制突破长上下文瓶颈，适配国产算力
DeepSeek-V4的核心技术创新在于首创的"CSA（压缩稀疏注意力）+HCA（重度压缩注意力）"混合注意力架构，旨在解决传统注意力机制在超长上下文场景下呈平方级复杂度攀升、显存与算力难以工程落地的行业痛点。
CSA将每4个token压缩为一个信息块并通过稀疏检索获取最相关内容，在保留中段细节的同时大幅降低计算量；HCA则将海量信息浓缩为框架级信息块，专注全局逻辑处理。
在此之外，V4还引入mHC流形约束超连接（升级传统残差连接，将信号传播约束在稳定流形上）以及Muon优化器（替代传统AdamW，适配MoE大模型与低精度训练）。官方数据显示，全链路工程优化可实现推理加速最高接近2倍。
在国产算力适配方面，DeepSeek-V4在华为昇腾NPU平台上完成细粒度专家并行优化方案的全面验证，在通用推理负载场景下可实现1.50至1.73倍的加速比。DeepSeek官方表示，V4是全球首个在国产算力底座上完成训练与推理的万亿参数级模型，但目前昇腾平台适配代码暂未对外开源，属于闭源优化。
此外，寒武纪已通过vLLM推理框架完成对V4-Flash和V4-Pro的适配，相关代码已开源至GitHub社区。
本文来自微信公众号“华尔街见闻”，作者：张雅琦，36氪经授权发布。
