DeepSeek的新一代模型及其提出的非常明確的方案，已成為技術辯論的焦點： 最多可容納一百萬個代幣，架構包含超過一兆個參數 為了提高效率，更重要的是，要比美國的閉環替代方案便宜得多，這家中國公司全力投入了 V4 系列產品，該系列產品結合了開放式重量、巨大的上下文窗口和積極的定價策略。
此舉正值歐洲和西班牙仔細檢視人工智慧的成本和技術主權之際。 DeepSeek V4 對歐洲的新創公司、中小企業和大型公司來說都極具吸引力。 需要尖端技術，但不能（或不想）完全依賴昂貴的專有 API 或獨家硬體（例如最受歡迎的 NVIDIA GPU）的應用。
一個以 1T 個參數和 1M 個標記上下文為中心的 V4 族
DeepSeek宣布推出DeepSeek-V4 Preview，這是一個圍繞著兩個理念建構的開放式模型系列： 最多可容納 1 萬個代幣的上下文視窗和基於混合專家 (MoE) 的巨型架構在這個系列中，有兩個主要版本脫穎而出：DeepSeek-V4-Pro 和 DeepSeek-V4-Flash，它們都以 1M 為標誌。
在最理想的情況下，V4-Pro 的運作參數為： 總計最多可達 1,6 兆個參數 儘管得益於 MoE 方案，其每次推理步驟僅啟動 32 億至 49 億個參數（1,6T），但這對於維持效率至關重要。同時，該公司也推出了更輕量級的版本，例如 V4-Flash 和 V4-Lite，總參數數約為 284 億至 285 億，其中約 13 億個為啟動參數，專為那些優先考慮速度和成本的部署場景而設計。
V4系列的參數總數使其在市場上處於領先地位，但重要的細節是： 只有一小部分專家是透過代幣啟動的。這使得它在容量方面能夠達到巨型模型的水平，但計算能耗卻更接近小型模型。這種方法符合DeepSeek的理念：在不大幅提高使用成本的前提下，與大型閉源模型競爭。
該公司還發布了V4-Lite等初步版本，作為技術驗證，並一直在調整部署計畫。 V4 仍處於有限測試階段 在某些情況下，V4 Preview 系列已經可以在官方聊天機器人和公司更新的 API 中使用，其服務中的預設值為 1M 上下文。
混合架構和多位專家的協作，使長期發展前景可期。
DeepSeek之所以能夠在不大幅增加推理成本的情況下提供一百萬個代幣的上下文窗口，關鍵在於其架構。製造商解釋說，V4引入了… 結合混合護理、專家協作和加壓技術 旨在處理非常長的序列，從而減少每個令牌的 FLOPs 和所需的記憶體。
在該公司提及的技術組件中，以下幾點尤為突出： MLA（多頭潛在註意力）、DSA 或 DeepSeek 稀疏注意力，以及諸如記憶痕跡之類的條件記憶機制。這些組件共同旨在減輕注意力計算的負擔，尤其是在模型一次處理數十萬或數百萬個標記時。
根據該公司自己分享的數據，在 1 萬個代幣的場景中 與先前的版本（例如 DeepSeek-V3.2）相比，DeepSeek-V4-Pro 每個令牌可能需要約 27% 的 FLOPs 運算，而 KV 快取僅需 10%。更輕量級的版本，例如 V4-Flash，進一步降低了這些數字，使它們成為對延遲要求極高的應用的快速推理解決方案。
這些改進並非僅僅停留在理論層面：該公司聲稱，MoE、分散注意力以及情境理解的結合能夠實現這些改進。 在超長上下文中操作 不太極端的硬體 每百萬代幣的成本已經遠低於許多窗口期為 128K 或 200K 代幣的封閉式模型。
在推理、程式設計和智慧任務中的表現
DeepSeek 並不想僅僅因為其規模和背景而脫穎而出。在其內部對比中，該公司堅持認為： V4-Pro及其衍生版本針對複雜的推理、程式設計和代理程式進行了專門最佳化。這三個領域目前佔據了相當大的業務需求。諸如 SWE-bench 之類的基準測試旨在衡量…的能力 理解和修改程式碼庫據稱準確率超過 80%，與領先的封閉式模型相符。
在更廣泛的推理領域——包括數學、STEM學科和邏輯推理問題——該公司將V4-Pro定位為最佳選擇。 作為最強大的開放模型之一並認為它已接近封閉式邊境方案的水平。就全球認知度而言，內部數據顯示它處於開放生態系統的前沿，僅次於少數幾個非常具體的專有模式，例如： 雙子座的某些高級變體.
除了數字之外，重點還在於 代理任務 這表明它的用途遠遠超出了基本的聊天功能。 DeepSeek 聲稱： V4 已經驅動著自身的代碼代理和系統基礎設施，這些基礎設施串聯起多個步驟。它們可以存取各種工具，並在龐大的儲存庫或文件資料庫中運作。這種方法符合當前的行業趨勢，許多公司不再只是需要聊天機器人，而是需要能夠在複雜的工作流程中作為「數位同事」運作的助手。
這些比較結果應謹慎看待：與幾乎所有近期發布的AI產品一樣， 大部分數據來自公司本身以及受控環境下的測試。即便如此，長上下文、高效架構和競爭性效能的結合仍然引起了歐洲開發者的關注，他們正在將成本和功能與 GPT、Claude、Llama 或 Mistral 等選項進行比較。
開放模型、公開權重、與常用API的兼容性
DeepSeek之所以聲名鵲起，關鍵因素之一在於其對開放生態系統的承諾。 V4版本進一步強化了這個理念： 已發布技術報告，並在 Hugging Face 等平台上公佈了該家族的公開權重。允許研究人員、公司和公共管理部門下載這些模型並在自己的基礎設施上運行它們。
與許多美國實驗室完全封閉的方案形成鮮明對比的是，這種開放權重方法對西班牙和歐盟有著明顯的意義。 在以下情況下部署這些模型的可能性 歐盟境內的資料中心在諸如GDPR和歐盟未來人工智慧監管等框架下它提供了一種在不犧牲頂級功能的情況下更好地控制資料的方法。
在實際整合方面，DeepSeek 選擇減少摩擦： 此 API 保持相同的 base_url，並且與 OpenAI 的 ChatCompletions 方案以及其他方案相容。 人為介面對於許多開發團隊來說，這意味著將測試或部分流量遷移到 V4 實際上僅限於將模型識別碼更改為 deepseek-v4-pro 或 deepseek-v4-flash 並調整一些參數。
同時，該公司製定了淘汰舊型號（如 deepseek-chat 和 deepseek-reasoner）的時間表。 它們將被停用並重新導向到 V4-Flash。 直到它們完全退出市場，迫使那些曾經使用過這些服務的用戶開始準備遷移。這顯然是一種將產品和服務集中於新一代用戶，並避免用戶群體被分割成過多舊版本產品的方法。
控制推理成本並專注於經濟效率
自誕生以來，DeepSeek 的核心理念始終圍繞著效率。 V4 版本透過 MoE 架構、分散注意力機制和硬體優化等技術的組合，進一步強化了這一理念，旨在… 將每百萬代幣的成本降低到遠低於最知名的優質API的水平一些外部分析提到，某些配置的每百萬個入場券的價格約為 0,30 美元，這只是高端封閉式模型收費的一小部分。
在歐洲，基礎設施和能源成本都很重要，這種注重效率的做法非常符合新創公司和中小企業的需求。 處理大量的法律文件、冗長的醫療記錄或整個軟體倉庫 它不再是預算幾乎無限的公司才能享受的奢侈品，而是新興項目可以負擔得起的方案的一部分。
一些人工智慧基礎設施供應商已在其產品目錄中提供基於 DeepSeek V4 的節點的早期存取權限，這使得歐洲公司更容易獲得這些節點。 他們無需從頭開始建立自己的基礎設施，即可評估實際性能和成本。對許多組織而言，這個測試階段是決定是否繼續採用外包模式或選擇本地部署之前的初步步驟。
同時，該公司對具體的訓練成本和所用硬體的含糊其辭，引發了部分產業的質疑。自2025年以來，人們一直在猜測訓練其模型所需的資源總量，其中不乏需要數萬塊高階GPU的估計。 DeepSeek堅稱，它已經進入了「盈利的長期發展階段」。但它尚未完全消除有關其營運規模的未知因素。
對西班牙和歐洲新創公司和公司的影響
對於歐洲創業生態系統，尤其是西班牙的科技新創公司而言，DeepSeek V4 等模式的出現開啟了先前難以考慮的選擇。 在 1 萬個代幣和開放權重的框架下，存取一個擁有超過兆個參數的模型。 它使您能夠探索先進產品，而無需完全依賴矽谷供應商。
在受監管的行業——金融、醫療、法律、公共管理——有以下可能性： 在歐盟境內的資料中心或您自己的設施中運行模型 這一點尤為重要。當資訊無需離開歐洲司法管轄區即可由人工智慧模型進行處理時，遵守 GDPR 和國家資料保護法規就變得更加容易。
西班牙的新創公司，例如法律科技、醫療科技或開發者工具領域的公司，如果處理的是大量文檔，就可以利用1萬代幣的背景資訊。 分析完整文件、非常長的病史或龐大的程式碼庫 無需將它們拆分成多個部分並設計複雜的復原系統。這降低了技術複雜性，並且在許多情況下也降低了延遲。
同時，我們也必須牢記風險：圍繞 DeepSeek 的工俱生態系統比 Llama 等其他開源模式的生態系統年輕得多，而且 相關文件和社群支援仍在完善中。此外，該公司是一家中國公司這一事實引入了地緣政治因素，一些歐洲組織對此持謹慎態度，尤其是在與行政部門或關鍵基礎設施相關的項目中。
此舉將對高成本、封閉式模式施加壓力。
除了其具體規格之外，DeepSeek V4 在業界被解讀為： 這是市場上最昂貴封閉式車型面臨的競爭壓力進一步加劇的一步。透過在其官方服務中將 1M 代幣上下文確立為標準，並附帶開放權重，這家中國公司傳遞了一個明確的訊息：超長上下文不再需要是少數高價專有模型的專屬功能。
對於西方大型實驗室而言，這構成了一個挑戰。 OpenAI、Anthropic 和 Google 歷來都採用以下方法的組合： 更高品質、更廣泛的背景和專有生態系統 作為一種價值主張。在某些情況下，開放式替代方案不僅擁有更優越的用戶體驗，而且成本極低，這迫使企業重新思考產品和定價策略，尤其是在用戶公司利潤空間較小的細分市場。
在西班牙語世界，許多新創企業的預算遠低於美國同行，競爭壓力反而對它們有利。 功能越強大、開放的模型越多，技術團隊就越能根據價格、監管合規性和用例進行選擇。不僅僅是來自 API 背後的品牌。
同時，DeepSeek 也知道，它的賭注並非沒有挑戰：大多數基準測試和比較都來自其自身的文檔或預覽階段的測試，市場仍在等待 V4 型號在包括歐洲在內的要求苛刻的生產環境中大規模部署時的表現。
總的來說，DeepSeek V4 的發布鞏固了先前已發展了一段時間的趨勢： 尖端人工智慧模型不再是少數擁有封閉系統和天文數位預算的公司的專屬領域。憑藉超過 1T 的參數、1 萬個代幣的背景、開放的權重以及以效率為中心的論述，這家中國公司推出了一種替代方案，西班牙和歐洲的公司和開發人員在即將實施和更新 AI 基礎設施的計劃中幾乎不可能忽視它。
