字节笔记本
2026年10月5日 · 约 20 分钟读完
DeepSeek V4-Pro 解读：价格打到九分之一
DeepSeek 又放大招了。这次 V4 系列双发：旗舰 DeepSeek-V4-Pro 与轻量 DeepSeek-V4-Flash 同台亮相，而社区热议的 DeepSeek-V4-Pro-DSpark，其实是同一个 Pro 检查点加上推测解码加速模块的版本。它的核心数字很漂亮：1.6 万亿参数（1.6T）、每 token 激活 490 亿（49B）、100 万 token 上下文、输出价格约 $0.87/百万 token，约为 Claude Opus 4.7 的 1/9，而 DSpark 后缀还让推理更快。
这篇文章就来拆解这个「把价格打穿」的模型：架构上有什么新东西，DSpark 到底是什么，以及它对整个 AI 模型市场意味着什么。
一、先看硬规格：V4-Pro 是什么级别
DeepSeek V4 系列这次同时发了两个模型：Pro（旗舰）和 Flash（轻量）：
| 规格 | V4-Pro | V4-Flash |
|---|---|---|
| 总参数 | 1.6 万亿（1.6T） | 2840 亿（284B） |
| 每 token 激活参数 | 490 亿（49B） | 130 亿（13B） |
| 上下文长度 | 100 万 token（1M） | 100 万 token |
| 精度 | FP4 + FP8 混合 | FP4 + FP8 混合 |
| 预训练数据 | 32 万亿 token（32T） | 同 |
| 协议 | MIT（完全开源） | MIT |
1.6T 总参数 + 49B 激活，这是典型的 MoE（混合专家）架构：模型有 1.6 万亿个参数，知识容量极大，但每次推理只激活其中 49B（约 3%），等于用大模型的智力，花小模型的钱。
对比参照：
- GPT-5.4：参数未公开，但价格远高于 V4-Pro
- Claude Opus 4.7：闭源，输出约 $7.6/百万 token
- DeepSeek V4-Pro：输出约 $0.87/百万 token（约 Opus 的 1/9）
DeepSeek-V4-Pro-Max（最大推理努力模式）被官方定位为「当今最强开源模型」：在编码 benchmark 上达到顶级，在推理和 agent 任务上大幅缩小了与闭源模型的差距。
二、三个架构创新：为什么又快又便宜
官方模型卡列了三个核心架构升级，每一个都是为「百万上下文 + 低成本」服务的。
1. 混合注意力架构（CSA + HCA）
这是最大的创新。V4 设计了 Compressed Sparse Attention（压缩稀疏注意力，CSA）+ Heavily Compressed Attention（重度压缩注意力，HCA） 的混合机制。
效果有多惊人？官方数据：在 100 万 token 上下文设置下，V4-Pro 只需要 V3.2 版本的：
- 27% 的单 token 推理 FLOPs，计算量降到不到三分之一
- 10% 的 KV cache，缓存内存降到十分之一
这是「百万上下文」能廉价跑起来的关键。 以前的百万上下文模型，上下文越长推理越贵越慢。V4 用混合注意力把长上下文的成本压了下来：27% FLOPs 意味着同样的算力能服务 3.7 倍的请求。
2. Manifold-Constrained Hyper-Connections（mHC）
传统 Transformer 的残差连接（residual connection）在超深、超宽模型里会出现信号传播不稳定的问题。V4 引入 mHC（流形约束超连接） 来强化残差路径，提升信号跨层传播的稳定性，同时保留模型表达能力。
简单说，就是让 1.6T 参数的超大模型训练更稳、收敛更好。这是大模型训练工程的核心难题之一。
3. Muon 优化器
训练用的优化器从 AdamW 换成了 Muon，据称收敛更快、训练更稳定。优化器是大模型训练的「引擎」，换优化器等于换发动机。
三、DSpark 是什么：不是新模型，是让推理快约 80% 的加速模块
标题里的 「DSpark」 后缀很容易让人以为是新模型，但官方模型卡明确说了：
Note: DeepSeek-V4-Pro-DSpark is not a new model. It is the same checkpoint with an additional speculative decoding module attached.
（注意：DSpark 不是新模型。它是同一个 V4-Pro 检查点，附加了一个推测解码模块。）
社区讨论给出的关键数字是：DSpark 让推理速度提升约 80%，并且已经部署在 DeepSeek-V4（Flash 和 Pro）的真实线上流量中。也就是说，你现在调用 DeepSeek 官方 API，已经在享受这个加速了。
先说 Speculative Decoding（推测解码）是什么
这是一种推理加速技术：
- 用一个小模型（draft model）快速「猜」接下来几个 token
- 用大模型（V4-Pro）并行验证这些猜测
- 猜对的直接采用，猜错的让大模型重新生成
效果是：大模型不用逐 token 串行生成，而是批量验证小模型的猜测，吞吐量大幅提升。
DSpark 的两个创新（来自论文）
DSpark 的完整论文标题透露了它的两项核心技术：《DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》，即置信度调度的推测解码，配合半自回归生成。拆开看：
创新一：Confidence-Scheduled（置信度调度）
传统推测解码的痛点，是小模型猜的 token 经常出错，大模型要逐个验证、逐个拒绝，浪费算力。
DSpark 的解法是用置信度来调度：小模型每猜一个 token，同时输出自己对这次猜测的「自信程度」。置信度低的 draft token 直接跳过验证：既然小模型自己都不信，大模型就不用浪费时间验证了。
这等于给推测解码装了一个「质检员」，提前剔除大概率出错的猜测，只把高置信度的结果交给大模型验证。算力浪费大幅减少，有效吞吐自然就上去了。
创新二：Semi-Autoregressive（半自回归生成）
传统自回归生成是严格的「一个接一个」：token N 必须等 token N-1 算完才能开始，这种串行是速度瓶颈。
半自回归打破了「严格一个接一个」的限制，允许在某种程度上并行猜测多个 token。结合置信度调度，DSpark 能在保证质量的前提下成批生成 token，而不是逐个等待。
论文摘要给出的受控对比结论是：同等吞吐水平下，单用户生成速度提升 60% 到 85%；两项创新叠加，最终换来线上约 80% 的加速。这不是靠更快的硬件，而是靠更聪明的算法，把同样的算力压榨出近一倍的吞吐。
DSpark 论文首页：部署于 DeepSeek-V4 线上服务系统后，同等吞吐水平下单用户生成速度提升 60% 到 85%。
代码开源在 DeepSpec
DSpark 的实现开源在 deepseek-ai/DeepSpec 仓库，V4 的 inference/ 目录里还有最小推理示例。
所以 DSpark 的意义是：模型本身不变，质量不变，但推理速度变快约 80%。 这对 API 用户是纯利好：同样的价格，近两倍的响应速度。对自建推理的团队更是福音：同样的 GPU 集群，服务能力接近翻倍。
工程级数据：DSpark vs MTP，约 5 倍成本压缩
光说「快 80%」还不够具体。工程侧更硬的指标是：DeepSeek 在 50 TPS（每秒 50 个 token）的目标速度下，推理成本便宜了约 5 倍。
这个 5 倍是怎么来的？看官方那张 DSpark vs MTP 的对比图：
DeepSeek-V4-Pro 上，DSpark（绿）与 MTP（蓝）在不同并发下的吞吐/TPS 对比。
MTP（Multi-Token Prediction） 是 DeepSeek 上一代的推测解码方法，V3 就在用，DSpark 是它的升级版。图表揭示的关键数据：
| 并发场景 | DSpark 相对 MTP 的提升 |
|---|---|
| 高并发（约 40 并发） | +52% throughput，+57% TPS |
| 中并发（约 60 并发） | +406% throughput（最惊人，4 倍多） |
| 低并发（约 90 并发） | +78% TPS |
核心洞察：DSpark 不是匀速提升，而是在中并发段提升最猛（4 倍）。这个特点对生产部署极有价值：大多数线上服务跑的就是中并发，DSpark 恰好在最常用的负载区间效果最好。
为什么中并发提升最大？推测解码的本质是「用算力换吞吐」：并发太低时，每个请求的 draft 验证开销占比大；并发太高时，GPU 已经被喂饱，加速空间小。中并发是 DSpark 的甜蜜点：既能让小模型高效并行猜测，又不至于让大模型验证成为瓶颈。
对成本的实际影响：在 50 TPS 这个目标速度下，DSpark 把达到同样 TPS 所需的 GPU 算力降到约 1/5。翻译成钱：同样的预算，能服务 5 倍的流量。
这也解释了为什么 DeepSeek 能把 API 价格打到 Opus 的 1/9：不是赔本赚吆喝，而是 DSpark 让单位算力的产出翻了数倍，成本结构真真切切地降下来了。
四、V4-Flash：被低估的那个
V4-Pro 抢尽风头，但 V4-Flash 可能是更实用的那个：284B 总参、13B 激活，输出价格约 $0.28/百万 token。
官方的说法很有意思：
DeepSeek-V4-Flash-Max achieves comparable reasoning performance to the Pro version when given a larger thinking budget, though its smaller parameter scale naturally places it slightly behind on pure knowledge tasks and the most complex agentic workflows.
（Flash-Max 在给予更大思考预算时，能达到与 Pro 版相当的推理性能。但由于参数规模更小，在纯知识任务和最复杂的 agent 工作流上自然略逊。）
翻译成人话：Flash 在「推理」上能追上 Pro，只要给够思考 token；但在「知识」（参数量决定）上要差一些。这意味着：
- 简单 agent 任务、日常编程、文本处理 → 用 Flash 就够，省 3 倍钱
- 复杂推理、需要海量知识的任务 → 用 Pro
这就是经典的「模型路由」思路：不同任务交给不同的模型，V4-Pro 与 V4-Flash 一强一省，天然适合搭配使用。
五、FP4 精度：把价格打下来的另一个秘密
V4 用了 FP4 + FP8 混合精度：MoE 专家参数用 FP4（4 位浮点），其余参数用 FP8。
FP4 是什么概念？ 一个参数只用 4 个比特存储。相比传统的 FP16（16 位），显存占用降到 1/4；相比 FP8，再降一半。
这是激进但聪明的选择：
- 4 位量化在大多数场景下质量损失可接受
- 显存省了，同样的 GPU 就能跑更大的模型、服务更多并发
- 省下的硬件成本直接转化为价格优势
DeepSeek 能把价格打到 Opus 的 1/9，FP4 是关键之一。 它在「精度与成本」的权衡里果断选了成本，而实测质量仍然顶级，说明 FP4 的损失在可控范围。
六、训练范式：领域专家独立培养，再统一融合
V4 的后训练有一个值得说的设计，分两阶段：
阶段一：领域专家独立培养
- 通过 SFT（监督微调）和 RL（强化学习，用 GRPO）独立训练不同领域的专家能力
- 比如 coding 专家、math 专家、reasoning 专家各自训练
阶段二：统一模型融合
- 通过 on-policy distillation（在线策略蒸馏） 把不同领域的专长融合进一个模型
- 把「多个专家」变成「一个通才」
这个范式解决了「通才与专家」的老矛盾：先专后通，既有深度又有广度。它和业界多智能体协作里「先分化专精、再统一协作」的思路异曲同工。
七、价格战的意义：DeepSeek 的战略
看这条价格线：
- DeepSeek V3：已经极便宜
- DeepSeek V4-Pro：输出 $0.87/M（Opus 4.7 的 1/9）
- DeepSeek V4-Flash：输出 $0.28/M（更便宜）
一句话，DeepSeek 在做「AI 模型的拼多多」，用价格换规模。这个战略的逻辑是：
- AI 模型的边际成本在快速下降：更好的架构、FP4、MoE，都在往同一个方向使劲
- 谁先占领开发者心智，谁就占住生态：各类 agent 框架与开发工具都优先适配 DeepSeek
- 低价是占领心智的最快方式
对消费者（开发者/企业）是巨大利好：同样质量的模型，价格只有闭源的零头。这也是为什么大量「自带模型」的工具都把 DeepSeek 列为首选平价模型。
八、MIT 协议：完全开源的分量
V4 全系列都是 MIT 协议，这是最宽松的开源协议之一。意味着：
- 商用免费：企业可以免费用 V4 做产品
- 可修改：可以微调、剪枝、改造
- 可再分发：可以打包再分发
- 无附加条件：没有「超过一定用户规模需单独授权」之类的限制
MIT 协议 + 1.6T 参数 + 顶级质量，这是开源 AI 的里程碑。它意味着任何公司都能拿 V4 自建推理服务，不被任何 API 厂商卡脖子。
这也是为什么 V4 对闭源模型（Claude/GPT）的威胁格外大：它不只是便宜，它是「你可以自己拥有」的。
九、怎么用
直接用官方 API
DeepSeek 官方入口：chat.deepseek.com 与 platform.deepseek.com。
第三方平台
- NVIDIA NIM：
deepseek-v4-pro - DeepInfra：托管 V4-Pro
- MorphLLM 等 API 聚合平台
本地/自建
模型在 HuggingFace 和 ModelScope 开放下载（MIT 协议）。但要注意，1.6T 参数的模型需要极其专业的硬件（多卡 H100/H200 集群）才能本地推理，个人跑 V4-Pro 不现实；V4-Flash（284B）在高端多卡工作站上可能可行。
在工具链里接入
DeepSeek 提供 OpenAI 兼容接口，几乎所有支持自定义 provider 的工具都能直接接：多模型编排客户端可以把它配置成主力或备用模型，按任务在 Pro 与 Flash 之间路由；翻译、转录摘要这类高频调用场景用它尤其划算；在 Claude Code/Codex 这类编码工具里，也可以通过切换器把后端模型换成 DeepSeek 来降低成本。
十、对行业意味着什么
拆完整个 V4，它对行业的冲击有几层：
1. 开源追上闭源的速度在加快
V4-Pro-Max 在编码上达到顶级，推理上大幅缩小差距。从 GPT-4 到现在不到三年，开源模型已经能和闭源旗舰掰手腕。闭源的「质量护城河」在变浅。
2. 价格战会持续
DeepSeek 把价格打到 1/9，会逼着 OpenAI/Anthropic 降价或提升性价比。这对所有 AI 用户都是利好。AI 正在从「奢侈品」变成「水电煤」。
3. MoE + FP4 成为主流配方
V4 证明了「超大 MoE + FP4 + 混合注意力」这个组合的可行性。可以预见，接下来会有很多模型跟进这个架构方向。
4. 「百万上下文」不再是奢侈品
V4 把百万 token 上下文的成本压到 V3 的 27% FLOPs / 10% KV cache。这意味着长文档分析、大型代码库理解、超长对话都不再是天价。长上下文的杀手级应用会因此爆发。
十一、小结
一句话总结：DeepSeek V4-Pro 是 1.6T 参数、49B 激活、百万上下文的开源 MoE 旗舰，FP4 混合精度把价格打到 Claude Opus 的 1/9；DSpark 后缀是推测解码加速模块（置信度调度 + 半自回归，推理快约 80%，已上线上流量），MIT 协议完全开源。
对开发者来说，你有了又一个质量顶级、价格地板价、完全开源的模型选择。无论是直接调 API、自建推理，还是在各类工具里接入，V4 都让「用得起 AI」这件事变得更容易。
而对整个行业，DeepSeek 是那条逼着鲨鱼（闭源旗舰）游得更快的鲶鱼。它存在本身，就让所有 AI 用户受益。
本文基于 DeepSeek-V4-Pro 官方模型卡、DSpark 论文与社区公开讨论整理。模型：https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-DSpark ，DSpark 代码：https://github.com/deepseek-ai/DeepSpec 。DSpark 为推测解码模块而非新模型，线上同等吞吐下单用户生成速度提升 60% 到 85%，50 TPS 下成本压缩约 5 倍，价格以各平台实时报价为准。技术细节还可参考：DSpark 论文解读（xyzlabs）、36Kr 报道、华尔街见闻。
