https://www.knightli.com/tags/deepseek/ Recent content in DeepSeek on KnightLi的博客 Hugo -- gohugo.io zh-cn Fri, 24 Apr 2026 22:39:46 +0800 https://www.knightli.com/2026/04/24/deepseek-v4-preview-release/ Fri, 24 Apr 2026 22:39:46 +0800 https://www.knightli.com/2026/04/24/deepseek-v4-preview-release/ <p>DeepSeek 在 <code>2026-04-24</code> 发布了 <a class="link" href="https://api-docs.deepseek.com/news/news260424" target="_blank" rel="noopener" >DeepSeek V4 Preview Release</a>。从官方新闻页来看，这次更新的重点非常集中：<code>1M context</code>、<code>V4-Pro</code> 与 <code>V4-Flash</code> 双模型、对 Agent 场景的专门优化，以及 API 侧的模型切换。</p> <p>如果只看一句话，这次发布的核心信号是：DeepSeek 不只是继续做更强的模型，而是在把超长上下文和 Agent 能力一起往“可直接上线使用”的方向推进。</p> <h2 id="1-这次一共发布了什么">1. 这次一共发布了什么 </h2><p>官方页面里，<code>DeepSeek-V4 Preview</code> 主要包含两条产品线：</p> <ul> <li><code>DeepSeek-V4-Pro</code></li> <li><code>DeepSeek-V4-Flash</code></li> </ul> <p>对应的官方描述也很直接：</p> <ul> <li><code>DeepSeek-V4-Pro</code>：<code>1.6T total / 49B active params</code></li> <li><code>DeepSeek-V4-Flash</code>：<code>284B total / 13B active params</code></li> </ul> <p>从命名就能看出来，这次不是单模型升级，而是把高性能版本和更高性价比版本同时推了出来。</p> <p>其中 <code>V4-Pro</code> 更强调上限，官方说它的表现已经可以和全球顶级闭源模型竞争；<code>V4-Flash</code> 则更强调速度、效率和成本，更适合对响应速度和 API 成本更敏感的场景。</p> <h2 id="2-1m-context-是这次最突出的卖点">2. <code>1M context</code> 是这次最突出的卖点 </h2><p>官方页面最醒目的表述之一，就是：<strong>“Welcome to the era of cost-effective 1M context length.”</strong></p> <p>DeepSeek 这次不只是说“支持长上下文”，而是明确把 <code>1M context</code> 当成这代模型的默认能力来讲。页面里也写得很清楚：</p> <ul> <li><code>1M context</code> 已经成为官方 DeepSeek 服务的默认标准</li> <li><code>V4-Pro</code> 和 <code>V4-Flash</code> 都支持 <code>1M context</code></li> </ul> <p>这件事的意义不只是“能塞更多 token”。它更直接影响下面这些任务：</p> <ul> <li>长代码仓库理解</li> <li>长文档问答和资料整合</li> <li>多轮 Agent 工作流</li> <li>跨多文件、多工具、多阶段的复杂任务</li> </ul> <p>如果上下文窗口足够大，模型就更不容易因为中途丢上下文而反复回读材料，这对 Agent 编码和复杂知识工作会特别重要。</p> <h2 id="3-v4-pro-主要在强调什么">3. <code>V4-Pro</code> 主要在强调什么 </h2><p>从官方页的措辞看，<code>DeepSeek-V4-Pro</code> 重点强调三件事：</p> <ul> <li>Agentic Coding 能力</li> <li>世界知识</li> <li>推理能力</li> </ul> <p>页面里提到，<code>V4-Pro</code> 在 Agentic Coding benchmark 上达到开源 SOTA；在世界知识方面领先当前开源模型，仅落后于 <code>Gemini-3.1-Pro</code>；在数学、<code>STEM</code> 和编码能力上超过当前开源模型，并且可以和顶级闭源模型竞争。</p> <p>换句话说，<code>V4-Pro</code> 的定位并不是单纯回答问题，而是更偏向高难度推理、复杂编码和长任务执行。</p> <h2 id="4-v4-flash-并不是简单的缩水版">4. <code>V4-Flash</code> 并不是简单的缩水版 </h2><p>另一个值得注意的点是，官方没有把 <code>V4-Flash</code> 包装成“低配模型”，而是强调它在很多实际任务里已经足够强。</p> <p>按照新闻页给出的说法，<code>V4-Flash</code>：</p> <ul> <li>推理能力已经很接近 <code>V4-Pro</code></li> <li>在简单 Agent 任务上与 <code>V4-Pro</code> 表现相当</li> <li>参数规模更小，响应更快，API 定价更便宜</li> </ul> <p>这意味着 DeepSeek 这次给出的并不是“一个旗舰、一个入门”的非常割裂的组合，而更像是：</p> <ul> <li><code>V4-Pro</code>：追求更高性能和更强上限</li> <li><code>V4-Flash</code>：追求更低延迟和更好成本效率</li> </ul> <p>对于开发者来说，这样的组合会更实用，因为很多线上任务真正需要的不是“理论最强”，而是“够强、够快、够省”。</p> <h2 id="5-官方特别强调了-agent-优化">5. 官方特别强调了 Agent 优化 </h2><p>这次发布页里还有一个很明确的方向：DeepSeek 在主动把 <code>V4</code> 往 Agent 场景上推。</p> <p>官方页面提到，<code>DeepSeek-V4</code> 已经和一些主流 AI Agent 深度集成，包括：</p> <ul> <li><code>Claude Code</code></li> <li><code>OpenClaw</code></li> <li><code>OpenCode</code></li> </ul> <p>同时 DeepSeek 也提到，<code>V4</code> 已经在内部 agentic coding 场景中使用。</p> <p>这说明它想覆盖的，不再只是聊天或普通补全，而是更长链路的工作方式：读代码、理解结构、调用工具、生成结果，再把整条流程串起来。</p> <p>如果你最近正好在关注 coding agent，这个信号值得留意。因为它意味着模型厂商已经不再只拼 benchmark，而是在拼“能不能真正接进工作流”。</p> <h2 id="6-底层结构创新在为长上下文服务">6. 底层结构创新在为长上下文服务 </h2><p>在技术描述上，官方页把这次的结构创新总结为：</p> <ul> <li>token-wise compression</li> <li><code>DSA (DeepSeek Sparse Attention)</code></li> </ul> <p>页面给出的方向非常明确：目标是把长上下文做得更便宜、更高效，尽量降低计算和显存成本。</p> <p>虽然新闻页没有展开完整技术细节，但这至少说明 DeepSeek 这次不是单纯靠“更大算力硬堆更长窗口”，而是在结构层面针对长上下文效率做了专门优化。</p> <p>对实际使用者来说，这通常比单纯“窗口数字变大”更重要，因为真正决定可用性的，不只是能不能开到 <code>1M</code>，还包括：</p> <ul> <li>速度是否还能接受</li> <li>成本是否还能接受</li> <li>长上下文任务是否真的稳定</li> </ul> <h2 id="7-api-已经可用但要注意模型切换">7. API 已经可用，但要注意模型切换 </h2><p>官方页面明确写到，这次 API 当天就已经可用。</p> <p>接入方式也比较简单：</p> <ul> <li><code>base_url</code> 保持不变</li> <li>把模型名切换为 <code>deepseek-v4-pro</code> 或 <code>deepseek-v4-flash</code></li> </ul> <p>同时页面说明，这两个模型都支持：</p> <ul> <li><code>1M context</code></li> <li><code>Thinking / Non-Thinking</code> 双模式</li> <li><code>OpenAI ChatCompletions</code></li> <li><code>Anthropic APIs</code></li> </ul> <p>这意味着如果你原本已经接了 DeepSeek API，升级门槛并不高，主要是模型名切换和能力验证。</p> <h2 id="8-旧模型的退役时间也写得很明确">8. 旧模型的退役时间也写得很明确 </h2><p>对开发者来说，这次新闻页里最不能忽略的信息之一，其实是旧模型退役提醒。</p> <p>官方写明：</p> <ul> <li><code>deepseek-chat</code></li> <li><code>deepseek-reasoner</code></li> </ul> <p>会在 <strong>2026 年 7 月 24 日 15:59（UTC）</strong> 后完全退役并不可访问。</p> <p>页面还说明，当前这两个模型实际上已经路由到 <code>deepseek-v4-flash</code> 的非思考 / 思考模式。</p> <p>这意味着如果你的项目里还直接写着 <code>deepseek-chat</code> 或 <code>deepseek-reasoner</code>，现在就应该开始安排迁移，而不要拖到正式下线前再处理。</p> <h2 id="9-这次发布值得怎么理解">9. 这次发布值得怎么理解 </h2><p>如果把这次更新浓缩成几个重点，大概可以这样看：</p> <ul> <li>DeepSeek 开始把 <code>1M context</code> 从“高配能力”变成默认标准</li> <li>双模型路线更清晰：一个冲性能上限，一个冲速度和性价比</li> <li>Agent 能力已经被放到很核心的位置</li> <li>API 升级路径相对直接，但旧模型退役时间需要尽快关注</li> </ul> <p>对普通使用者来说，最直观的变化可能是：长文档、长代码、长流程任务会更容易放进一次上下文里。<br> 对开发者来说，更重要的是：如果你已经在做 Agent、代码助手、资料整理、复杂工作流，这一代模型显然就是朝这些场景设计的。</p> <p>DeepSeek 这次发布，不只是一次常规模型更新，更像是在明确它下一阶段的产品方向：<strong>超长上下文 + Agent 优化 + 更实际的 API 可用性。</strong></p> <h2 id="相关链接">相关链接 </h2><ul> <li>DeepSeek 官方新闻页：<a class="link" href="https://api-docs.deepseek.com/news/news260424" target="_blank" rel="noopener" >https://api-docs.deepseek.com/news/news260424</a></li> <li>Tech Report：<a class="link" href="https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf" target="_blank" rel="noopener" >https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf</a></li> <li>Open Weights：<a class="link" href="https://huggingface.co/collections/deepseek-ai/deepseek-v4" target="_blank" rel="noopener" >https://huggingface.co/collections/deepseek-ai/deepseek-v4</a></li> </ul>