DeepSeek-V4 正式亮相，全面开放源代码！
踏入经济实惠的百万上下文长度新纪元。
DeepSeek 本次推出了两款版本：
总参数量高达 284B，而活动参数仅为 13B，专注于快速、高效、超高性价比。
我的亲身体验
DeepSeek-V4 现在是我所见过最经济的 SOTA 级别模型，其价格大约仅为 Claude Opus 4.7 的二十分之一。
不仅便宜了一点点，而是便宜得令人难以置信。
它不仅降低了价格，更重要的是，它极大地降低了“大规模使用 AI”的门槛。
API 定价比 GPT-5.4 和 Claude Opus 4.6 低 10-50 倍，原生支持 100 万上下文，并且完全开源。
这究竟意味着什么？
以一个直观的例子来说明：如果 Uber 今年使用的是 DeepSeek 而不是 Claude，那么他们原本在 2026 年的 AI 预算，原本只能维持四个月，现在却能直接使用七年。
当然，我必须实事求是地指出：
在纯质量体验上，Claude Opus 可能还是略胜一筹，但 DeepSeek 在价格和规模上已经实现了降维打击。最佳的使用方式是混合搭配使用。
在需要 Claude 的时候使用 Claude，在需要节省成本进行大规模应用时则选择 DeepSeek。
基准测试中的震撼
在 VibeCodeBench（VCB）这个测试中，V4 是目前唯一一个开源轻量级模型得分超过 40%（接近 50%）的。
这已经足以与 Anthropic、OpenAI 的上一代主要模型（Sonnet 4.6、GPT-5.2）一较高下。
与上一代的 V3.2 相比，差距更是巨大：
V3.2 在 VCB 上的得分仅为 5%，而 V4 则直接接近 50%，性能提升了近 10 倍。
这种进步不是渐进式的，而是断层的。
从国内视角来看，V4 在开源模型中大概能排到第一梯队，与 GLM-5 相当。
但与国外的 Claude、GPT、Gemini 相比，整体能力仍有差距，多模态表现也较为一般。
然而，随着华为 950 系列显卡的大规模推广，token 成本将进一步大幅降低，届时 DeepSeek 的性价比将高得令人难以置信。尤其是 V4-Flash，在执行需要多步推理、工具调用、长时间工作流的场景时，性价比尤为突出。
关于官方 API 升级的吐槽
我要坦白地说，老用户确实感到有些被欺骗。
原来的 V3.2 价格低廉且成熟，我一直认为它是 LLM 性价比的王者。
但 V4-Flash 的翻译质量明显不如 V3.2，而 V4-Pro 的价格却比 Flash 高出十倍左右。
这让许多老用户感到瞬间“无能为力”。
不过，DeepSeek 从 2.5 时代开始就反复强调：他们的 API 会随时调整，不会长期保留旧版本，这一政策已经实施了两年，现在才感到不舒服已经有些晚了。
解决办法其实很简单
既然不开源，不想被官方 API 牵着鼻子走，就去使用其他第三方 provider，他们中的许多仍在稳定提供旧版本。
如果想要长期锁定某个成熟版本，可以选择开源自部署或者寻找可靠的 mirror 服务。
另外，V4-Flash 参数仅为 284B，比 V3.2 的 671B 小得多，价格也便宜了一半；而 V4-Pro 1.6T 参数，价格略高也是合理的。
当前DeepSeek的算力资源紧张，或许这正是它采取此策略的缘由。
更深层次的思考
我所关注的并非DeepSeek当前的实力强弱，而是它是否能够持续地带来创新技术。
回想起DeepSeek-R1，正是凭借其算法与硬件优化的低成本策略，在开源领域与o1硬碰硬，瞬间赢得了广泛关注。
即便后来其性能被众多新模型超越，至今仍有大量用户持续使用DeepSeek。
DeepSeek的魅力并非在于“始终领先”，而在于它以极低的成本和开源的方式，将前沿技术迅速传递给大众。
是否翻车并不关键，即便目前勉强跟上，两个月后可能又会落后。
现在的DeepSeek实际上已经多次落后于行业前沿。
然而，这并不重要。
AI领域犹如回合制游戏。当轮到你进攻时，若不采取行动，可能就永远无法赶上。
DeepSeek每次都选择主动出击，而且是以极具性价比的方式进攻。
这一次，V4版本携带着百万上下文和极致低价再次出击，我认为依然值得我们关注。
无论你是希望节省成本进行大规模实验、开发长上下文应用，还是仅仅想利用开源模型自行探索，DeepSeek-V4都进一步降低了门槛。
经济高效的百万上下文时代，已然来临。
