DeepSeek全新系列模型V4预览版正式上线并同步开源。V4-Pro拥有1.6T总参数（49B激活），V4-Flash拥有284B参数（13B激活），均支持百万token上下文。在Agent能力、世界知识和推理性能上均实现开源领先。
开源地址：
- 模型权重：ModelScope 魔搭社区
- 技术报告：https://modelscope.cn/models/deepseek-ai/DeepSeek-V4-Pro/file/view/master/DeepSeek\_V4.pdf?status=1
01 核心特性
百万上下文标配 全新混合注意力架构，结合压缩稀疏注意力（CSA）和重度压缩注意力（HCA）。V4-Pro在1M上下文下，单token推理FLOPs仅为V3.2的27%，KV缓存仅为V3.2的10%。
Agent能力大幅提升 Agentic Coding达到开源最佳水平，已成为公司内部员工使用的Agentic Coding模型。使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式。针对Claude Code、OpenClaw、OpenCode、CodeBuddy等主流Agent产品专项适配优化。
世界顶级推理性能 在数学、STEM、竞赛型代码评测中，超越所有已公开评测的开源模型，比肩世界顶级闭源模型。LiveCodeBench 93.5，Codeforces Rating 3206。
丰富的世界知识 世界知识评测中大幅领先其他开源模型，SimpleQA-Verified 57.9，仅稍逊于Gemini-Pro-3.1。
双版本覆盖不同需求 Pro版追求极致性能，Flash版参数和激活更小，推理能力接近Pro，提供更快捷、经济的API服务。
02 模型版本
模型
总参数
激活参数
上下文
精度
许可证
V4-Pro
1.6T
49B
1M
FP4+FP8混合
MIT
V4-Flash
284B
13B
1M
FP4+FP8混合
MIT
V4-Pro-Base
1.6T
49B
1M
FP8
MIT
V4-Flash-Base
284B
13B
1M
FP8
MIT
注：MoE专家参数使用FP4精度，其余参数使用FP8。Base版本保留完整训练信号，适合微调和研究。
两个版本均支持三种推理模式：
- Non-think：快速直觉响应，适合日常任务
- Think High：逻辑分析推理，适合复杂问题
- Think Max：推理能力全开，探索模型推理边界，建议上下文窗口至少384K tokens
03 结构创新与训练
DeepSeek-V4-Pro：性能比肩顶级闭源模型
- Agent能力大幅提升：在Agentic Coding评测中达到开源最佳水平，已成为公司内部员工使用的Agentic Coding模型。使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式，但仍与Opus 4.6思考模式存在一定差距。
- 丰富的世界知识：世界知识测评大幅领先其他开源模型，仅稍逊于Gemini-Pro-3.1。
- 世界顶级推理性能：在数学、STEM、竞赛型代码评测中，超越所有已公开评测的开源模型，比肩世界顶级闭源模型。
DeepSeek-V4-Flash：更快捷高效的经济之选
- 世界知识稍逊于Pro，但推理能力接近。参数和激活更小，提供更快捷、经济的API服务。
- Agent评测中简单任务与Pro旗鼓相当，高难度任务仍有差距。
结构创新与超高上下文效率
DeepSeek-V4开创了全新的混合注意力机制，结合压缩稀疏注意力（CSA）和重度压缩注意力（HCA），在token维度进行压缩。V4-Pro在1M上下文下，单token推理FLOPs仅为V3.2的27%，KV缓存仅为V3.2的10%。从现在开始，1M上下文将是DeepSeek所有官方服务的标配。
DeepSeek-V4 和 DeepSeek-V3.2 的计算量和显存容量随上下文长度的变化
此外引入流形约束超连接（mHC）强化残差连接，采用Muon优化器提升收敛速度和训练稳定性。预训练数据超过32T tokens，后训练采用两阶段范式：先通过SFT和GRPO独立培养领域专家，再通过在线蒸馏统一整合到单一模型。
Agent能力专项优化
针对Claude Code、OpenClaw、OpenCode、CodeBuddy等主流Agent产品进行适配和优化，在代码任务和文档生成任务上均有提升。
04 模型调用指南
API调用
V4-Pro和V4-Flash已同步上线DeepSeek API，访问时base_url不变，将model参数改为deepseek-v4-pro或deepseek-v4-flash即可。
非流式调用样例代码：
from openai import OpenAI
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")
# Turn 1
messages = [{"role": "user", "content": "9.11 and 9.8, which is greater?"}]
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=messages,
reasoning_effort="high"
extra_body={"thinking": {"type": "enabled"}},
)
reasoning_content = response.choices[0].message.reasoning_content
content = response.choices[0].message.content
# Turn 2
# The reasoning_content will be ignored by the API
messages.append(response.choices[0].message)
messages.append({'role': 'user', 'content': "How many Rs are there in the word 'strawberry'?"})
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=messages,
reasoning_effort="high"
extra_body={"thinking": {"type": "enabled"}},
)a
# ...
详细信息请查看API文档：https://api-docs.deepseek.com/zh-cn/guides/thinking\_mode
聊天模板
本次发布未包含Jinja格式的chat template，官方提供了专用的encoding文件夹，包含Python脚本和测试用例，演示如何将OpenAI兼容格式的消息编码为模型输入字符串，以及如何解析模型的文本输出：
from encoding_dsv4 import encode_messages
messages = [
{"role": "user", "content": "hello"},
{"role": "assistant", "content": "Hello! I am DeepSeek.", "reasoning_content": "thinking..."},
{"role": "user", "content": "1+1=?"}
]
prompt = encode_messages(messages, thinking_mode="thinking")
完整文档请参阅模型仓库中的encoding文件夹。
本地推理
首先将HuggingFace模型权重转换为项目所需格式：
export EXPERTS=384
export MP=8
export CONFIG=config.json
python convert.py --hf-ckpt-path ${HF_CKPT_PATH} --save-path ${SAVE_PATH} --n-experts ${EXPERTS} --model-parallel ${MP}
单机交互式对话：
torchrun --nproc-per-node ${MP} generate.py --ckpt-path ${SAVE_PATH} --config ${CONFIG} --interactive
从文件批量推理：
torchrun --nproc-per-node ${MP} generate.py --ckpt-path ${SAVE_PATH} --config ${CONFIG} --input-file ${FILE}
多机推理：
torchrun --nnodes ${NODES} --nproc-per-node $((MP / NODES)) --node-rank $RANK --master-addr $ADDR generate.py --ckpt-path ${SAVE_PATH} --config ${CONFIG} --input-file ${FILE}
如需使用FP8精度，删除config.json中的"expert_dtype": "fp4"并在转换时指定--expert-dtype fp8。
推荐采样参数：temperature=1.0，top_p=1.0。Think Max推理模式建议上下文窗口至少设置为384K tokens。详细说明请参阅模型仓库中的inference文件夹。
模型链接：https://www.modelscope.cn/collections/deepseek-ai/DeepSeek-V4
