昨天凌晨，DeepSeek发布了V4。

没有盛大的发布会，没有提前预热，就是一个官方公告，加一篇公众号文章，但内容却把整个模型圈炸了。

一句话定性：DeepSeek-V4-Pro，开源最强编程模型，没有之一。

MoE架构：参数量大，不等于贵

先说架构。

V4用的还是MoE（混合专家架构）。这东西出来有段时间了，但很多人对它的理解还停留在”参数量大”这个层面。

但其实这个季节是错的，MoE的核心不是大，是省。

传统Dense模型，每次推理要激活全部参数。100B的模型，推理一次就跑100B的计算量，我们的钱就是这样烧掉的。

但是MoE不一样。它有多个”专家”网络，每次推理只根据需要激活其中一部分。

V4总参数量671B，听起来吓人。但每次推理只激活49B的计算量。

看清楚了，仅仅是49B，不是671B，就是49B。

这意味着DeepSeek可以用比其他671B模型低得多的成本，跑出接近甚至持平的效果。

官方原话：”每次推理只消耗49B的计算量，效率大幅提升。”

如果真如官方所说，那这能帮我们这些重度AI用户省下不少的token费用。

mHC：1M上下文，计算量只增加27%

DeepSeek-V4 拥有百万字超长上下文。

100万个token，是什么含义呢？相当于可以丢一整本《战争与和平》进去，让模型基于整本书回答问题。代码库再大，塞进去也没压力。

但是我们都知道上下文越长，计算量越大。标准Attention的计算复杂度是O(n²)，上下文翻倍，计算量不是翻倍，是平方倍增长。

DeepSeek怎么解决的？DeepSeek-V4 开创了一种全新的注意力机制，在 token 维度进行压缩，结合 DSA 稀疏注注意力（DeepSeek Sparse Attention），实现了全球领先的长上下文能力，并且相比于传统方法大幅降低了对计算和显存的需求。

他的核心思路是token压缩+稀疏注意力——不是每个token都去计算全局Attention，而是通过潜空间压缩，把冗余信息干掉。

根据官方的数据：实现1M上下文，对比V3.2，计算量只增加27%。

这是什么意思呢？相对于用传统Attention，1M上下文相对于128K，计算量增长将是天文数字。DeepSeek用mHC，硬生生的把这个数字压到了27%。

这直接是是架构层面的重新设计了，不仅仅是微调优化。

Muon优化器：二阶武器，DeepSeek第一个跑通

优化器是训练环节最容易被忽略的组件。平时大家都关注参数规模、上下文长度，优化器这种”幕后角色”很少被讨论。

但DeepSeek在V4里用了一个新东西：Muon。

Muon是二阶优化器。Adam系列是一阶的，靠梯度方向做更新。听起来差不多，但二阶优化器考虑的是梯度的梯度——更精准的方向，更快的收敛速度。

好处很明显，但是代价也很突出：更难训练。二阶的计算量比一阶大得多，调参也更加复杂。因此即使业界都知道Muon好，但一直没人真正把它跑通在大规模训练上。

但是DeepSeek偏偏就这么干了。

官方说：用Muon优化器，把32T tokens跑完了。3.2万亿个token。行业里很多模型训练到1T tokens就开始收敛，DeepSeek跑了32T。

这不是堆数据，这是工程能力的体现。

编程能力：开源最强，但还有差距

理论和数据说了那么多，但是大家最关心的部分是实用效果。

官方对V4-Pro编程能力的定位：

• 开源最强，没有之一

• 内部使用体验：优于Sonnet 4.5

• 交付质量：接近Opus 4.6非思考模式

• 差距：仍落后Opus 4.6思考模式

拆开看：

“优于Sonnet 4.5″，Sonnet 4.5是Anthropic面向编程场景的主力模型，在开发者社区有很高口碑。V4-Pro能在体验层面超过它，开源模型里是第一次。

“接近Opus 4.6非思考模式”，Opus 4.6是OpenAI的通用旗舰，非思考模式就是直接输出，不走CoT推理。V4-Pro交付的代码质量，和Opus 4.6直接输出相当。

“仍落后Opus 4.6思考模式”——Opus 4.6开启思考模式后，推理能力再上一个台阶。V4-Pro在这个维度还有差距。

注意这里的技术细节：V4-Pro对标的是Opus 4.6的非思考模式，不是Sonnet 4.5。Sonnet是编程专用模型，Opus是通用旗舰。把编程能力做到接近通用旗舰的非思考模式输出，这个高度之前没有开源模型达到过。

OpenClaw被官方点名：不是套路，是工程级适配

官方在公告里点名适配了四款工具：OpenClaw、Claude Code、OpenCode、CodeBuddy。在代码任务、文档生成任务等方面表现均有显著提升。

这意味着DeepSeek针对这些工具的调用模式、上下文处理、输出格式做了定向调优。用这些工具调用V4 API，响应速度、流式输出的稳定性、工具调用的准确性，都会比通用接口更好。

举例来说，对OpenClaw🦞用户来说：你在OpenClaw里配置DeepSeek-V4-Pro作为模型，Agent模式下的代码生成、工具调用、任务拆解，都会比之前用V3更顺，影响时间更短，质量更高！

题外话：OpenClaw被官方点名，说明它在国内AI开发者里的渗透率已经到了DeepSeek愿意做专项适配的程度。这个信号也是值得我们关注的

API迁移：现在就开始，别等到七月

官方透露了一个容易被忽略但很重要的事：旧接口在2026年7月24日停用。

旧接口是 deepseek-chat 和 deepseek-reasoner。V4用的是新的接口格式。

还有四个月倒计时，听起来还有不少时间。但考虑到官方建议现在就开始迁移、很多项目里deepseek调用是硬编码的、接口格式变化可能涉及代码改造——现在就动手，总比七月临时抱佛脚强。

HuggingFace和ModelScope的权重已经放出来了，有能力的可以直接跑本地部署。不想折腾的，可以直接切API也没问题，V4的接口设计比V3更规范，对接更便捷。

最后

DeepSeek V4为什么又一次登上了热搜？因为它炸了开源模型的天花板。

利用MoE把推理成本打下来，mHC把上下文长度打上去，Muon把训练效率打上去。三件事同时发生，把开源和闭源的边界又往开源那边推了一截。

😀期待国产模型再一次发光发热！