2026年4月24日，备受期待的DeepSeek-V4终于发布了。

没有特别盛大的发布会，没有几个人出来直播，没有倒计时预热，也没有大规模媒体采访。

用户群发个通知，官网更新，App上线，API同步更新，开源模型挂到HuggingFace上。

整个AI圈随后开始刷屏，大家都在讲这件事。

模型参数是多少，API价格是多少，跑分怎么样，上下文长度是多少；

到底有没有适配国产卡，和GPT、Claude、Gemini比到底是什么水平。

这些信息当然都重要。

但我没有第一时间写。

不是因为这件事不重要。

恰恰相反，是因为我觉得它太重要了。

如果只是跟着写一篇“DeepSeek-V4发布了，参数如下，价格如下，跑分如下”的文章，当然也能讲清楚一部分事实，但我觉得这会把这件事写小。

参数只能解释DeepSeek这次发了什么，但它解释不了这件事到底意味着什么。

因为当天有一位记者朋友给我打电话，问我怎么看DeepSeek-V4。

我们聊了一会儿。

聊完之后，我更确定，这篇文章应该写，但不能写成一篇快讯。

因为DeepSeek-V4真正值得看的，不是它某一项跑分赢了谁，也不是它终于支持了100万Token上下文，而是它把几个更大的问题同时放到了台面上：

强模型能不能更便宜？

开源模型还能不能追上闭源模型？

国产算力能不能承接前沿模型？

普通人未来能不能用得起强AI？

以及，如果未来每个人每天都要和模型打交道，我们有没有机会不被少数闭源巨头完全卡住入口？

今天，我想用普通人能理解的方式，讲讲DeepSeek-V4对我们这些普通人来说意味着什么？

PART.01

这次到底发了什么？

DeepSeek-V4这次不是只发了一个模型，而是同时放出了DeepSeek-V4-Pro和DeepSeek-V4-Flash。

Pro是旗舰模型，1.6T总参数，49B激活参数。

Flash更轻，284B总参数，13B激活参数。

两个模型都支持100万Token上下文。

如果只看这些数字，很容易把它理解成一次常规升级：

参数更大，上下文更长，能力更强。

但这里真正值得看的，不只是参数本身，而是DeepSeek为什么要同时做Pro和Flash。

Pro很明显是用来打高难任务的。

复杂推理、代码、Agent、长上下文分析，这些任务需要更强的模型能力，也能接受更高的调用成本。

Flash则更像日常入口。

它没有Pro那么重，但价格低很多，更适合高频使用。

普通问答、基础推理、日常办公、产品里的大规模调用，都更适合交给Flash。

这和过去很多人理解的大模型不太一样。

以前大家总习惯问：哪个模型最强？

但真正进入应用之后，问题会变成：什么任务该用什么模型？

不是所有场景都需要最贵的模型。

就像不是所有出行都需要坐头等舱，也不是所有文件都需要请最强律师看。

很多日常任务需要的是够好、够快、够便宜；

少数高难任务，才需要调用最强能力。

所以DeepSeek-V4这次真正有意思的地方，不是单纯做了一个更强的Pro，而是同时给出了一个更便宜的Flash。

Pro负责攻坚，Flash负责铺开。

一个解决上限，一个解决普及。

如果未来强AI要真正进入普通人的软件、工作流和日常生活，它就不能只有一个最强模型。

它必须有便宜入口，也必须有高端能力。

DeepSeek-V4这次的Pro和Flash，正是在往这个方向走。

这件事比跑分刷到了多高更重要。

PART.02

V4很强，但不是神话

当然DeepSeek-V4确实很强。

官方技术报告里，它直接拿自己和ClaudeOpus4.6、GPT5.4、Gemini3.1Pro这些最顶尖闭源模型的高阶版本做对比。

作为一个中国开源模型，敢把对手放到这个级别，本身就很说明问题。

从报告里的结果看，DeepSeek-V4-Pro-Max在知识、推理、代码、Agent和长上下文任务里都已经进入非常靠前的位置。

尤其是代码、推理、长上下文和Agent相关场景，是它这次最值得关注的部分。

但它不是神话。

这个也要说清楚。

DeepSeek官方报告写得也比较克制。

在一些知识任务上，它仍然落后最顶级的闭源模型。

在推理任务上，它仍然略低于GPT5.4和Gemini3.1Pro，大概落后当前最前沿模型3到6个月；

在Agent任务上，它和KimiK2.6、GLM5.1这些开源模型大体处在一个梯队，但还是略弱于最顶级闭源模型。

我这几天也进行了实际测试和看了一些朋友反馈。

我的感受是，有些任务表现很好，尤其是长上下文、代码、推理和Agent相关任务。

但在一些实际使用里，它也确实没有外界期待中那么夸张。

这很正常。

DeepSeek-V4被期待得太久了。

过去半年，关于它跳票、关于DeepSeek是不是被超越了、关于梁文锋到底在干什么的讨论，已经来来回回跑了好几轮。

期待一旦被拉得太满，任何模型发出来都会被放在显微镜下看。

所以我不想把DeepSeek-V4写成一次完美发布。

它不是完美发布。

但它依然非常重要。

它重要的地方，不是它已经打穿所有闭源模型，而是它证明了一件事：

开源模型仍然可以进入全球最前沿模型的牌桌，而且不是靠情绪、靠期待，是靠真实能力、工程效率和成本结构。

这已经很难了。

PART.03

技术报告里，真正有意思的几个点

很多人看到DeepSeek-V4，第一反应会是100万token上下文。

这个当然是亮点，但我反而觉得，它不是这次最核心的意义。

因为1M上下文并不是第一次在开源模型里出现，单纯把上下文拉长，也不等于真正解决了真实场景面临的问题。

真正值得看的，是DeepSeek-V4为了让长上下文、深度推理和Agent任务跑起来，在底层做了哪些工程选择。

这次技术报告里有很多名词。

普通人不需要全都理解，真正值得记住的，大概有四个：

CSA/HCA、KVcache、FP4和Muon。

我们一个一个来理解：

第一个是CSA/HCA，也就是新的混合注意力机制。

CSA/HCA做的事情，可以简单理解成：

模型不再每次都把整座图书馆搬进脑子里，而是先把内容压缩、索引、筛选，再决定当前最需要看哪一部分。

这套机制解决的是长上下文成本问题。

模型处理几十万、上百万Token时，如果每次都完整回头看一遍，成本会非常高。

所以它不是为了炫耀100万Token上下文，而是为了让长上下文真的用得起。

第二个是KVcache。

KVcache可以理解成模型的上下文缓存。

模型处理过一段内容之后，可以把一部分中间结果缓存下来，后面继续使用时，不必每次都从头计算。

这对真实应用非常重要。

它降的不是闲聊成本，而是长任务、重复任务和真实工作流的成本。

第三个是FP4。

FP4是一种更低精度的计算和存储方式。

普通人可以理解成：在不明显损失能力的前提下，用更省空间、更省算力的方式表示模型里的部分数字。

这个点看起来很小，但其实很重要。

DeepSeek-V4技术报告里写到的是FP4（MXFP4）量化，它不是孤立的软件技巧。

升腾950PR这一代国产推理卡，也开始明确支持FP4/MXFP4这类低精度格式。

这意味着DeepSeek-V4的模型设计，和国产算力的硬件能力是原始适配的。

模型侧把计算压到FP4，硬件侧开始支持FP4，二者合在一起，才有可能让未来推理价格继续往下走。

第四个是Muon。

Muon是这次引入的优化器，它来自于另一个国产大模型公司月之暗面开源的项目。

它可以理解成训练模型时用来调整参数的方法。

训练这么大的模型，最怕的不是慢，而是不稳定。

因为一旦训练中途不稳定，浪费的不是一点时间，而是大量算力和资金。

Muon的意义，就是让模型训练更快收敛、更稳定，减少大规模训练里的浪费。

PART.04

不只在论文里省成本

技术报告里讲的是模型怎么做，价格表里看到的是这些选择有没有真的落到外面。

DeepSeek-V4刚发布时，很多人看到V4-Pro的价格，会觉得它并不便宜。

这个判断没错。

Pro本来就是旗舰模型，不是给所有普通任务随便调用的低价版本。

最早的官方图里，Pro缓存命中输入是1元/百万token，缓存未命中输入是12元/百万token，输出是24元/百万token。

这个价格并不低。

真正便宜的是Flash。

Flash缓存命中输入是0.2元/百万token，缓存未命中输入是1元/百万token，输出是2元/百万token。

所以不能说DeepSeek-V4一发布就把最高端能力打成白菜价。

Pro依然是旗舰模型，真正承担普惠入口的，是Flash。

但过去几天，DeepSeek很快又调整了价格。

现在官网显示，V4-Pro目前开启了2.5折优惠。

缓存命中输入是0.025元/百万token，缓存未命中输入是3元/百万token，输出是6元/百万token。

这个2.5折优惠期持续到北京时间2026年5月31日23:59。

但这些数字里，最值得看的不是Pro或者Flash的价格，而是缓存命中输入价格。

全系列模型的输入缓存命中价格，已经降到首发价格的1/10。

这个调整从北京时间2026年4月26日20:15起生效，目前官网没有写明确结束时间。

这不是普通打折。

普通打折解决的是“这几天便宜一点”。

缓存命中降价解决的是“真实工作流能不能长期跑起来”。

因为真正的AI应用，大部分都不是一次性问答。

企业知识库、代码仓库、多文档分析、Agent工作流，都会反复使用相同的上下文，反复读取同一批材料，反复在同一个任务空间里推理。

这些场景最吃缓存。

缓存越便宜，长任务越便宜。

长任务越便宜，AI才越有机会从演示Demo变成日常工作的一部分。

PART.05

便宜模型不应该等于低端模型

为什么这件事对普通人重要？

因为强模型真正进入日常，靠的不是一次演示有多惊艳，而是普通人和开发者敢不敢高频使用。

前段时间那波“龙虾热”，其实已经把这个问题暴露得很清楚。

很多人跟风把国际顶尖模型接进自己的OpenClaw，一开始都很兴奋，效果确实好，能力也确实强。

但很快大家就发现另一个问题：账单太贵了。

前面我们也讲过了，一个Agent任务跑起来，不是简单问一句答一句。

如果缓存没有命中，或者每一步都要重新计算，token消耗会非常快。

所以强模型落地时最现实的问题，不是它能不能回答得更好，而是你敢不敢让它一直跑。

如果每一次调用都要心里算账，如果一个工作流跑几轮就开始担心费用，如果开发者把模型接进产品后发现用户多用几次就亏钱，那这个模型再强，也很难成为日常工具。

这也是为什么“便宜模型”不能被轻视。

但便宜不应该等于低端。

在AI时代，便宜意味着更多人能用，更多开发者能接，更多中小公司能试，更多普通场景能跑起来。

未来模型很可能会像搜索、地图、手机、水电一样，成为每天都要接触的基础能力。

如果真是这样，模型价格就不只是商业定价问题，而是智能使用权的问题。

谁能长期、稳定、低成本地接入强模型，谁就会有更好的学习、工作、创作和组织能力。

谁只能用弱模型、限额模型、广告版模型，或者每次使用都要担心账单，就会天然处在另一个位置。

所以便宜模型不应该是低端模型的代名词。

它是普通人进入AI时代的入口。

PART.06

开源的最终是议价权

但问题在于，便宜不能只靠某个模型的一次打折，也不能只靠某家公司短期补贴。

如果未来强AI真的变成基础设施，那么它的价格能不能长期下降，普通人和开发者有没有选择，最终取决于市场里有没有足够多的竞争者。

这就是开源模型、开放权重、本地部署和低价API的重要性。

它们不是技术爱好者的玩具，也不是理想主义装饰，而是一种现实的议价权。

如果世界上只有少数闭源模型最强，大家当然也可以用。

你可以调用API，可以付订阅费，可以把它接进自己的产品里。

但这种使用是被动的。

你可以调用，但不能拥有。

你可以付费，但不能决定价格。

你可以接入，但需要接受对方的商业策略、政策边界、供应限制和生态规则。

闭源模型当然有它的价值。

OpenAI、Anthropic、Google这些公司会继续把模型能力往上推，很多最前沿的能力也确实会先出现在闭源系统里。

这不是问题。

真正的问题是，如果未来AI世界只剩下这些闭源入口。

强智能就会变成少数公司定义价格、规则和能力边界的基础设施。

而一旦它变成基础工具，谁来定价、谁来提供、谁能部署、谁能修改，就不再只是商业问题。

这也是中国这一批开源模型公司的意义。

DeepSeek、Qwen、Kimi、GLM这些模型，不一定每一项都比最强闭源模型更强。

事实上，在很多最前沿任务上，闭源模型仍然领先。

但它们提供了另一条路线：更开放、更低价、更可部署，也更适合形成竞争。

过去在搜索、操作系统、移动生态里，人类已经经历过很多次类似的事情。

一个入口一旦被少数公司控制，后来者就只能在它们的规则里做生意。

这通常会带来垄断和剥削。

AI不应该再简单重复这条路。

所以开源不是情怀，低价也不是慈善。

它们的意义，是不断把强AI从少数人的高级服务里释放出来，让更多人真的用得起、用得上、用得久。

这才是DeepSeek-V4更大的意义之一。

它不是只在发布一个模型。

它是在告诉市场：

强AI不应该只有一种入口，也不应该只由少数公司来定价。

PART.07

最后，梁文锋到底在做什么

所以回头看，梁文锋为什么要持续做开源DeepSeek这件事？

我觉得这不是一个简单的商业选择。

从纯商业角度看，做前沿模型本来就很重。

训练重，推理重，工程重，成本重，舆论也重。

更不用说，DeepSeek还在持续开源、持续降价、持续做国产算力适配。

这不是一条轻松的路，也不是一个适合赚快钱的方向。

但这件事总要有人做。

DeepSeek-V4不是一次完美发布。

它还是preview版本，世界知识和最前沿闭源模型仍然有差距，超长上下文也不是魔法，国产算力从适配到大规模稳定生产还需要继续爬坡。

但它至少说明，DeepSeek还在沿着一条很难的路往前走：

让强模型变得更便宜、更开放、更可部署。

这件事对普通人重要，因为未来模型可能会像水、电、搜索、手机一样，成为每天都要接触的基础能力。

这件事对中国重要，因为如果没有自己的强模型、自己的算力适配和自己的低价供给，我们就只能在别人的智能基础设施上做应用。

这件事对世界也重要，因为如果没有开源模型和低价模型持续竞争，最强智能就会越来越像一种昂贵入口，价格、规则和能力边界都由少数公司决定。

所以DeepSeek-V4真正重要的，不是它让AI第一次变强。

AI早就变强了。

它真正重要的是，它继续把强AI往更便宜、更开放、更可部署的方向推。

未来AI竞争，不只是“谁的模型更强”。

而是谁能让更多人用得起强模型。

谁能让强模型不只属于少数公司和少数人。

谁能在未来智能基础设施里，给普通人、开发者和一个国家留下位置。

这才是DeepSeek-V4我真正觉得值得写的地方。