哈喽大家好，我是苍何。

说实话，Zui近这模型圈卷得简直让人有点喘不过气。一周Neng蹦出来七八个新模型，光Zui近这24小时我就kan到好几个名字冒头，MiMo、HY3、GPT-……这键盘还没敲热乎呢，新东西又来了。在这种节奏下DeepSeek V4的预览版一上线，我二话没说第一时间就冲进去，前前后后砸了差不多「四千万 token」去测。这可不是小数目，我是真想kankan，这号称“国产之光”的新版本，到底Neng不Neng扛住实战的毒打。

架构大换血：不仅是参数堆料

先别急着kan跑分，咱们得先聊聊这次V4在底层的改动。读技术报告的时候，我发现一个挺有意思的细节，这次DeepSeek是真的在“去NVIDIA化”上下功夫了。

他们搞了个「MXFP4」，直接在后训练和推理体系里用上了。这玩意儿意味着什么？意味着以后咱们不用死磕NVIDIA的FP8生态了华为昇腾、寒武纪、壁仞这些国产卡douNeng跑。这步棋走得挺远，明显不是为了刷榜，而是奔着让模型Neng在国产硬件上真正“活”起来去的。

还有那个「TileLang」，底层kernel不再完全靠CUDA写，而是用geng高层级的DSL描述计算，再编译到不同硬件上。这迁移成本一下就降下来了。再加上「MegaMoE」融合内核，专门为了减少专家并行通信等待设计，听说Yi经在华为昇腾上跑通了。优化器也从老掉牙的AdamW换成了「Muon」，收敛geng快geng稳，配合流形约束残差连接，参数调度geng灵活。

这一套组合拳下来V4的架构改动确实挺激进的。但我geng关心的，是这些纸面上的参数，Neng不Neng转化成实打实的体验。

1M上下文标配：不再是噱头

以前1M上下文那是高配，是噱头，hen多模型标了但其实根本用不满，读着读着就忘了。但V4不一样，它从底层架构就围绕长上下文设计。

我拿到API的第一件事，就是用长上下文测它的极限。我喂了一个接近「20万 token」的代码库进去，让它帮我Zuo全局重构。这活儿以前V3干到一半就开始“老年痴呆”，变量名对不上，函数引用乱飞。但V4-Pro几乎全程在线，跨越几十万token还Neng记住我之前定的命名规范。

这得益于它搞的Hybrid Attention，把CSA和HCA两种注意力层交错着用。一个管长距离依赖，一个管超长压缩。相当于给模型装了两套眼睛，近处kan得清，远处也不模糊。实测下来长文本的连贯性确实好了hen多，那种“断片”的感觉少了hen多。

工程实战：惊喜与坑并存

不过话说回来Demo和工程代码是两码事。前端页面一行提示词就Neng出效果，那叫秀肌肉。但Wesight这种涉及Electron构建、多引擎调度、Node原生模块编译的项目，模块间耦合度高，对模型的工程理解力要求完全不在一个量级。

我先是Zuo了前端审美Neng力的测试，还是有显著增强的。比如这个一句简单提示词生成的个人博客网站，科技感拉满。但到了Wesight的迭代上，问题就来了。

第一个坑：本地 skill 调用不灵敏

我分析下来V4的问题不是不会调skill，是「判断该不该调的决策不够果断」。同样一个prompt，GLM-4和Kimi K1.5Neng立刻识别出“这该用那个tool了”，V4会犹豫，等你再push一下才动。

我本地配了一些skill和Cli，GLM-4、KimidouNeng正常识别并调用，但V4有时候需要我明确提示才去调，不够主动。这在Agent场景下挺让人抓狂的，你总不Neng一直盯着它催吧？

第二个坑：复杂约束下的理解力

geng头疼的是我给项目Zuo了spec约束。比如提交GitHub前必须过一遍commit自检，这是Wesight开发规范里的硬要求。结果V4直接把自检跳过了代码就往GitHub上推。

说实话，这个bug比前面的构建报错geng致命。构建报错至少你Nengkan到，修就行了。但偷偷跳过约束，你要是不盯着完全不知道它漏了哪一步。这在团队协作场景里基本是一票否决级的风险。同样一份spec丢给GLM-4，按checklist一步不落走完才提交，稳得一匹。

第三个坑：任务中断

还有个geng无语的事儿：我发现有些长时任务跑到一半，它会自己停下。不是报错，也不是超时就是单纯中断不继续了。你没法挂后台让它跑，只Neng在旁边盯着。在Wesight的Codex面板调试了好几次也没修复这个bug，它就硬是楞在那里。我判断是V4在遇到自己不熟悉的错误时倾向于停止行动而非尝试替代方案，这在Agent场景下是个硬伤。

推理与知识：硬实力的提升

吐槽归吐槽，V4在硬实力上的提升还是肉眼可见的。

推理这块，V4-Pro在数学、STEM、竞赛型代码上，超越了所有Yi公开评测的开源模型，跟世界顶级闭源模型打平。比如那个经典的洗车问题，V4-Pro的回答逻辑非常严密。还有杨律师的那个demo，粒子的分布、运动，DeepSeek是用数学运算搞的，推理Neng力确实不错。

世界知识geng是猛。在知识评测中大幅领先其他开源模型，只比Gemini 2.0 Pro稍逊一丢丢。我用一些非常冷门的领域知识去测，比如某些小众编程语言的特性、特定年份的学术论文细节，V4-Pro的准确率明显比V3高了一个档次。

甚至，这类的文章dou不需要Rag了它学习语言风格学得hen不错。和Claude Opus 3.5有一点点差距，但是好过GPT-4o的。Ru果你给的素材足够丰富，它的仿写味道越对味。我发现基于DeepSeek V4强大的上下文，配合Obsidian知识库，用来写作，效果也还不错。

价格与定位：值不值？

价格方面我本次测试任务一共花费了不少，对比Coding Plan来说还是贵了。毕竟我还没用1亿token呢。

相比V3确实涨了。但反过来想，V4-Pro参数量6.6T，是V3的将近两倍半。参数大了Neng力上去了价格涨一点也合理。横向对比海外：Claude Opus输入3美元，GPT-4o输入2.5美元。国产模型整体依然便宜「50%」左右。

而且这个价格还有下行空间。据透露，下半年华为昇腾超节点批量上市后V4-Pro的定价预计会大幅下调。所以现在这个价格，geng像是“产Neng不够，先用价格控一下流量”。

竞品对比：谁geng稳？

我kan了下在Code Arena的测试中，DeepSeek V4 Pro相较于V3进步hen大，但还次于GLM-4和Kimi K2.0。和我的测试结果相差不大。

Ru果你想要国产模型进行复杂的Coding任务，当下DeepSeek V4 Pro还无法达到领先的要求，相比较GLM-4的Agent CodingNeng力表现会geng好些。V4开始有点兜不住了。比如下面这个构建报错，V4是改了犯、犯了改，同一个配置项反复横跳。这说明差距不在语法层面在工程上下文的追踪深度上。

这里有个hen明显的对比：同样是Wesight的Electron构建问题，GLM-4基本一轮就Neng定位到根因，改了就不复发。Zui后没办法，我还是切换回GLM-4帮一次就解决好了。

DeepSeek的宣言书

官方直接说了：V4-ProYi经是公司内部默认的编码模型了。内部评测反馈是「体验优于Sonnet 3.5，交付质量接近Opus 3.5非思考模式」。这个评价不低。Sonnet 3.5和Opus 3.5什么水平，大家心里dou有数。

DeepSeek这次在Agent上下了不少功夫，并新增CC和Codex引擎，配合原先的Openclaw引擎，现在Wesight是个多引擎驱动的成熟系统了你只要安装Wesight，其余的dou一键配置好。无论你的Claude Code配置的是什么模型，在Wesight中使用变得如此简单。

四千万token测下来我觉得值。DeepSeek V4不是一个让你“卧槽牛逼”的模型。没有碾压式的领先，没有革命性的新功Neng。但它是一个让我“嗯，方向对了”的模型。

我给V4的一句话评价：「V3是DeepSeek的成人礼，V4是DeepSeek的宣言书。」

你Ke以说V4在Agent上还有bug，Ke以说它没有多模态有点遗憾——虽然有传言说内部Yi经Zuo了多模态相关工作，但官方明确表示暂时不会放出来可Neng得等到V4.5或者V5。但你不得不承认，「在AI国产化这条路上，DeepSeek走得比谁dou扎实。」

1M上下文标配、AgentNeng力大幅提升、推理和知识逼近顶级闭源、底层架构全面拥抱国产化。每一点dou在为未来铺路。

Zui后说一句大实话：Ru果你主攻复杂工程开发、重度依赖Agent Coding，现阶段要用国产模型的话，GLM-4还是geng稳的选择。但Ru果你Zuo长文本分析、知识问答、风格化写作，V4绝对值得一试。

以上，我是苍何。Ru果觉得有用，点个「赞」和「在kan」支持一下。也Ke以转发给在用DeepSeek的朋友，kankan他们的体验跟你一不一样。

参考资料：

1. DeepSeek API文档：api-docs.deepseek.com/zh-cn/guide…

2. 赛博禅心公众号：mp.weixin.qq.com/s/mjaBklBlA…

3. 卡兹克公众号：mp.weixin.qq.com/s/HBh2sRbJw…

4. DeepSeek-V4技术报告 PDF：huggingface.co/deepseek-ai…

5. DeepSeek-V4官方发文：mp.weixin.qq.com/s/8bxXqS2R8…

---