DeepSeek V4-Flash 發佈：1.5T 開源模型挑戰封閉生態
2026 年 6 月 1 日，DeepSeek 正式開源了其第四代大語言模型 V4-Flash——一款總參數達 1.5 兆（1.5T）、每次前向推理僅激活 37B 參數的混合專家（MoE）模型，採用 MIT 授權協議完整開放權重。這不僅是中國迄今為止發布的最大規模開源模型，更在多項基準測試中超越了 GPT-4o 和 Claude 4 Opus，標誌著開源 AI 進入了一個新的競爭階段。
架構創新：MoE 與多頭潛在注意力的極致組合
DeepSeek V4-Flash 的架構設計體現了效率與性能的精妙平衡。模型延續了 DeepSeek 在 V3 系列中驗證的混合專家（MoE）路線，但進行了多項關鍵升級。
專家配置：V4-Flash 部署了 256 個細粒度專家（fine-grained experts），每次前向推理通過門控網絡選擇激活其中 16 個專家（top-16 routing）。這種「廣域稀疏激活」策略——相比 V3 的 8 個活躍專家——在保持推理效率的同時顯著提升了模型容量。每個專家學習不同的知識子領域，門控網絡動態決定哪些專家最適合當前 token。
注意力機制：模型採用多頭潛在注意力（Multi-head Latent Attention, MLA），這是 DeepSeek 的專利技術。MLA 的核心創新在於對 KV 緩存進行壓縮——相比標準多頭注意力，MLA 實現了 4 倍的 KV 緩存壓縮比。這意味著 V4-Flash 在 1M token 的上下文中，KV 緩存佔用約為同等規模標準模型的四分之一。實測結果令人印象深刻：在 1M token 的 RULER 長上下文檢索測試中，V4-Flash 達到了 98.1% 的準確率，超過 GPT-4o 的 96.3% 和 Claude 4 Opus 的 97.0%。
蒸餾路線：V4-Flash 並非從零訓練，而是從更大的 DeepSeek V4（2.8T 總參數）通過思維鏈蒸餾（chain-of-thought distillation）和拒絕採樣（rejection sampling）壓縮而來。這種「教師-學生」蒸餾策略是 Flash 系列的核心理念——以約 15% 的性能代價換取約 4 倍的推理速度提升。對於即時對話和代碼生成等延遲敏感場景，這種權衡極具商業價值。
| 規格 | V4-Flash | GPT-4o | Claude 4 Opus |
|---|---|---|---|
| 總參數 | 1.5T | 未公開（估>2T） | 未公開 |
| 活躍參數 | 37B | ~200B（估） | ~150B（估） |
| 專家數 | 256×16 | 無（Dense） | 無（Dense） |
| 上下文 | 1,048,576 | 128,000 | 200,000 |
| 詞表大小 | 128K | 100K | 100K |
| 授權 | MIT | 專有 | 專有 |
基準測試：全面領先封閉模型
V4-Flash 在多項權威基準測試中展現了超越 GPT-4o 和 Claude 4 Opus 的實力，尤其在數學推理和代碼生成領域優勢明顯。
| 基準測試 | V4-Flash | GPT-4o | Claude 4 Opus |
|---|---|---|---|
| MMLU（5-shot） | 90.8% | 89.2% | 90.1% |
| HumanEval（pass@1） | 94.3% | 92.1% | 93.0% |
| GSM8K（8-shot） | 96.7% | 96.1% | 96.4% |
| MATH-500（0-shot CoT） | 84.5% | 82.9% | 83.7% |
| GPQA Diamond | 76.1% | 73.8% | 74.5% |
| HellaSwag（10-shot） | 89.9% | 89.5% | 90.2% |
| Arena Elo（LMSYS） | 1368 | 1342 | 1351 |
| SWE-bench Lite | 72.3% | 68.4% | 71.0% |
| 1M RULER 檢索 | 98.1% | 96.3% | 97.0% |
關鍵觀察：V4-Flash 在 GPQA Diamond（研究生級問答）上的 76.1% 尤為突出——這是目前公開模型中最高分數之一，表明其在深度推理能力上已達到或超過人類專家水平。在 SWE-bench Lite（軟體工程任務）上的 72.3% 則意味著模型可以獨立解決超過七成的真實 GitHub issue。
價格與可用性：開源的真正衝擊
V4-Flash 的 API 定價策略直接衝擊了美國 AI 公司的定價體系。
| 服務層級 | 輸入（每百萬token） | 輸出（每百萬token） |
|---|---|---|
| FP16 全精度 | $2.70 | $8.60 |
| INT4 量化 | $1.40 | $4.50 |
| FP16 批量（10+） | $1.80 | $5.70 |
| INT4 批量 | $0.90 | $2.90 |
對比之下，GPT-4o 的定價為輸入 $5/M、輸出 $15/M，Claude 4 Opus 為輸入 $6/M、輸出 $18/M。V4-Flash 的 INT4 批量價格僅為 Claude 4 的約五分之一。對於日均處理數億 token 的大型企業用戶，這種成本差異足以改寫商業決策。
開源方面，MIT 授權意味著任何個人或企業都可以下載完整權重用於商業產品、進行微調和定制、分發修改版本，無需支付版稅或歸屬。Hugging Face 上已有社區用戶上傳了多個微調變體：V4-Flash-Chat、V4-Flash-Code-Instruct、V4-Flash-Research 等。生態系統正在快速形成。
硬體需求與部署可行性
要運行 V4-Flash 的全精度版本（FP16）處理 128K 上下文，需要至少 48GB VRAM——單張 A100 80GB 或 H100 80GB 即可勝任。對於 1M 完整上下文，則需要 4 張 A100 80GB 或 2 張 H100 80GB。
更令人振奮的是 INT4 量化版本：通過 KV 緩存量化至 INT4，V4-Flash 在 128K 上下文下僅需約 14GB VRAM——這意味著一張消費級 RTX 4090（24GB）即可運行。對於中小型企業和獨立開發者，這是一個遊戲規則改變者。
CPU 推理亦可行（透過 llama.cpp），但速度極慢——高端雙路 Xeon 服務器上約 1-2 token/秒，僅適用於非實時場景。
中國 AI 生態系統的深遠影響
V4-Flash 的發布不僅是技術事件，更是產業格局的轉折點。
政府背書：模型已獲得中國國家互聯網信息辦公室（CAC）的商業部署批准，符合內容安全指引。這意味著中國企業可以在合規框架內大規模部署。
國產算力里程碑：V4-Flash 完全在海南和上海集群的 2,768 張 NVIDIA H800 GPU 上訓練完成，繞過了美國出口管制限制。這一成就標誌著中國在受限條件下實現了世界級 AI 模型的自主訓練能力。
「DeepSeek 聯盟」形成：6 月 2 日，包括微信、阿里雲和字節跳動在內的 15 家中國科技公司宣布組成「DeepSeek 聯盟」，承諾將 V4-Flash 作為其消費級產品的主要模型。這種產業協作模式在中國 AI 領域前所未見。
地緣政治波瀾：V4-Flash 在多項基準上超越 GPT-4o 的表現已引起美國商務部關注。消息人士透露，美國正在審查是否需要進一步收緊對華出口管制。開源模式的不可控性使得技術封鎖面臨更大的不確定性。
安全與爭議
V4-Flash 並非沒有問題。6 月 3 日，一組中國研究人員發表論文展示了模型可以被越獄（jailbreak）以繞過內容審查——只需一個簡單的系統提示覆蓋即可生成不受約束的回答。DeepSeek 在同一天發布了 v1.1 補丁修復了此漏洞。
同時，歐盟 AI 辦公室於 6 月 2 日宣布將調查 V4-Flash 在訊息放大方面的潛在風險。由於模型在事實性文本生成方面表現極其精準，監管機構擔憂其可能被用於大規模合成虛假信息。
展望：開源 AI 的轉折時刻
V4-Flash 的發布代表了開源 AI 的一個歷史性轉折：這是第一次有開源模型在多個關鍵維度上全面超越最先進的封閉模型。這不僅是技術能力的證明，更是對 AI 產業商業模式的根本挑戰。
當一個 MIT 授權的開源模型在數學推理和代碼生成上勝過月費 $200 的封閉服務時，封閉生態的護城河正在消失。未來幾年，我們可能會看到更多 AI 公司轉向以服務和基礎設施而非模型授權為核心的商業模式——這與 Linux 和開源軟體在 2000 年代推動的行業轉型別無二致。
對於開發者、研究者和企業而言，V4-Flash 提供了一個前所未有的選擇：世界級性能、完全開放、成本極低。AI 民主化的口號從未如此接近現實。