DeepSeek V4 实测：1.6万亿参数跑在国产芯片上，好用吗？
4 月 24 日 DeepSeek V4 发布。过去一周 AI 圈发了七八个新模型，光最近 24 小时就来了四个——MiMo、HY3、GPT-5.5、DeepSeek V4，排着队上。
V4 有两个版本：V4-Pro 和 V4-Flash。总参数 1.6 万亿（V3.2 是 6710 亿，翻了两倍半），上下文 100 万 Token，训练和推理全程跑在华为昇腾芯片上。
直接说结论：跑分在第一梯队，写作能力不错，但 Agent 编程跟 Claude Code 的适配有些问题，而且没有多模态。
跑分：第一梯队，没有碾压
先看知识推理类。V4 在 SimpleQA 这类知识问答上分数很高，接近 Gemini 3.1 Pro。其他推理任务上的表现中规中矩，第一梯队水平，但谈不上大幅领先。
代码方面跟 Gemini 走的是一个路子：竞赛题、算法题比较强，但在真实工程代码能力上，从分数看跟其他头部模型差距不大。LMArena 最新排名里 V4 排第三，第一还是 GLM-5.1。
Agent 能力是这次跑分里最亮眼的部分。DeepSeek 内部已经把 V4-Pro 当主力 Agentic Coding 模型用了，官方说法是体验优于 Claude Sonnet 4.5，接近 Opus 4.6 非思考模式。
整体评价：模型够强，稳稳的第一梯队，但如果你预期的是"碾压所有人"，那会失望。
价格：贵了，但有原因
V4-Pro：输入 12 元、输出 24 元 / 百万 Token。 V4-Flash：输入 1 元、输出 2 元 / 百万 Token。
换算成美元的话，V4-Pro 输入 1.74 美元、输出 3.48 美元。作为对比，Claude Opus 4.7 是 5/25 美元，GPT-5.5 是 5/30 美元。国产模型大概比海外便宜 60% 左右。
对一直追求"价格屠夫"人设的 DeepSeek 来说，这个定价不算便宜了。但 DeepSeek 在定价页底部写了一行小字：目前受限于高端算力，Pro 的吞吐有限，预计下半年昇腾 950 超节点批量上市后价格会大幅下调。
也就是说现在的价格不是最终状态，等芯片产能跟上还会降。
为国产芯片设计的三个技术细节
V4 最值得关注的不是跑分，而是它从架构层面就在为国产芯片做准备。技术报告里有三个关键信号：
MXFP4 低精度格式
V4 在后训练和推理里引入了 MXFP4。这是一个开放的低精度浮点格式，不像 NVIDIA 的 FP8 那样绑定特定硬件生态。用 MXFP4 意味着 V4 可以适配华为昇腾、寒武纪、壁仞等国产芯片，降低了对 NVIDIA 的依赖。训练阶段还是用的英伟达体系，但后训练和推理已经可以跑在国产卡上了。
TileLang DSL
V4 的底层算子不再完全用 CUDA 写，改用了一个叫 TileLang 的领域特定语言（DSL）。思路是用更高层的语言描述计算逻辑，然后编译到不同硬件上。这样以后迁移到新硬件时不用把所有算子从头重写。
MegaMoE 融合内核
V4 专门做了一个 MegaMoE 内核，目标是减少 MoE 架构里专家并行带来的通信等待。这个内核已经在华为昇腾上跑通了。
这三件事放一起看，方向很清楚：V4 就是为了跑在国产芯片上设计的。不是情怀，是现实需求——算力被限制出口，模型参数越来越大，Agent 推理消耗的 Token 越来越多，不解决国产算力适配问题，后面只会越来越难。
MoE 架构：1.6 万亿参数为什么推理成本可控
V4-Pro 总参数 1.6 万亿，但每次推理只激活 490 亿。靠的是 MoE（Mixture of Experts）架构。
Transformer 每一层有一个 FFN 模块。MoE 把这个 FFN 拆成很多小的"专家"模块，加一个路由器。路由器根据每个 token 的内容选出最匹配的 2 个专家来处理，其他专家不参与计算。
DeepSeek 的 MoE 有两个特色：一是专家粒度更细——传统做法是 16 个大专家选 2 个，DeepSeek 切成 128 个小专家选 8 个，知识分工更精确。二是加了"共享专家"，有 2 个专家每次都参与计算，负责处理通用知识（比如语法），路由专家只处理领域知识。
百万上下文靠的是 MLA（Multi-Head Latent Attention）。传统注意力机制的 KV 缓存在 100 万 Token 时会占用大量显存，MLA 把 Key 和 Value 压缩到低维空间存储，需要时再解压。V4-Pro 和 V4-Flash 都支持百万上下文，说明这个能力是架构层面的优化，跟参数量无关。
实测 Agent 编程：有亮点也有问题
把 V4-Pro 接到 Claude Code 后实测，发现 skill 调用有些问题。
一个具体例子：本地配了一个管理服务器的 skill，用过的 GLM-5.1、MiniMax M2.7、Kimi K2.6、MiMo-V2.5-Pro，只要提到"服务器"相关的词，都能正确调用对应的 skill。但 V4 不行，需要把 prompt 写得非常明确才能触发。
另一个例子：给 V4 一个开发任务（用女神异闻录 5 的风格做招聘网站并部署到服务器），V4 花了 24 分钟完成。UI 做得还行，但有个大问题——没有跟用户确认域名就直接部署了。CLAUDE.md 里明确写了新项目部署必须先确认域名，但 V4 没有遵守这个约束。
写作能力倒是个惊喜。在一众只会写八股文的模型里，V4 的文字算有可读性的。让它写了一篇关于 Token 涨价的文章，自己跑了搜索、过了几层检测，8 分钟交出来的稿子质量还行。中段续写测试里，V4 的效果达不到 Opus 4.6 那种自然流畅的水平，但比 Opus 4.7 好一些。如果用修改幅度来量化的话——Opus 4.6 直出只需要改 30%，Opus 4.7 要改 60%，V4 大概在 45%。
没有多模态
V4 是纯文本模型，不支持图片、音频、视频。
现在多模态几乎是标配了。Opus 4.7 大幅强化了多模态，K2.6 和 MiMo-V2.5-Pro 都标配多模态，GPT-5.5 更不用说。没有多模态意味着没有视觉能力，Computer Use 之类的 Agent 功能也做不了。
之前一直有消息说 V4 会带多模态。DeepSeek 内部大概率做了相关工作，但最终没放出来。推测是适配国产芯片的优先级更高，精力有限。多模态可能要等 V4.5 或 V5 了。
混合模型：为什么没有 R2
很多人问 R2 去哪了。简单说：推理模型和非推理模型已经合并了。
去年 R1 是专门的推理模型，V3 是通用模型，分开的。现在 Claude 和 GPT 都改成了混合架构，用"思考强度"控制模型是否进行深度推理。V3.1 开始 DeepSeek 也改成了混合模型，V4 同样如此。
所以 R2 存在的意义不大了。就像 OpenAI 的 o3 成了最后一代独立推理模型，被并进了 GPT-5。
选什么模型
综合目前测试结果，给几个建议：
如果用海外模型，愿意花订阅费：
- 内容创作（文章、策划案、脚本）：Claude Code + Opus 4.6
- 其他所有场景（开发、数据分析、文档处理）：Codex + GPT-5.5
如果用国产模型：
- 内容创作：DeepSeek 官网直接用就行，没必要走 Claude Code
- 其他所有场景：Claude Code + GLM-5.1 或 MiMo-V2.5-Pro
V4 的定位比较特殊。它在做的事情——全链路适配国产芯片、MXFP4 低精度格式、TileLang 跨平台编译——对行业意义很大，但对普通用户来说，目前能感知到的体验提升有限。等芯片产能上来、价格降下来、多模态补上之后，V4 的优势才会真正体现出来。
两个版本的参数
| V4-Pro | V4-Flash | |
|---|---|---|
| 总参数 | 1.6T | 284B |
| 激活参数 | 49B | 13B |
| 上下文 | 1M Token | 1M Token |
| 最大输出 | 384K Token | 384K Token |
| 输入价格 | ¥12 / 百万 Token | ¥1 / 百万 Token |
| 输出价格 | ¥24 / 百万 Token | ¥2 / 百万 Token |
V4-Flash 激活参数只有 13B，响应速度快，适合批量调用和对延迟敏感的场景。两个版本都支持百万上下文。
参考资料：DeepSeek V4 技术报告、LMArena 排行榜 (2026.4.25)、华为昇腾 950PR 核验白皮书