DeepSeek V4 预览版开源上线后，第一波来自第三方榜单的测评结果已经出炉。多家测评显示，DeepSeek V4性能尤其在代码任务上冲进开源第一梯队，同时以“百万级上下文+低价”把开发者侧的使用门槛进一步压低。
从第三方评测来看，评测平台 Arena.ai 在 X 上将V4 Pro（思考模式）定性为"相较DeepSeek V3.2的重大飞跃"，在其代码竞技场中列开源模型第3位、综合第14位；另一家测评方 Vals AI 则称，V4在其Vibe Code Benchmark中以"压倒性优势"拿下开源权重模型榜首，击败Gemini 3.1 Pro等闭源模型，较上代V3.2实现约10倍性能跃升。
定价层面，V4-Flash输出价格为每百万token 0.28美元，较Claude Opus 4.7低逾99%；V4-Pro输出价格为3.48美元，是同级别前沿模型中定价最低的选项之一。对比表格显示，Flash 处于小模型区间最低档，Pro 也处于“大模型前沿”区间低位。
围绕实际体验的讨论开始分化。多位网友在 X 上称其性价比“打穿”。而DeepSeek在自述材料中则保持克制，称在知识与推理上接近闭源系统但仍有约3到6个月差距，同时提示“受限于高端算力”，Pro 服务吞吐有限，后续价格存在下调预期。
第三方测评：代码能力独占鳌头，综合排名紧追顶级
就在OpenAI GPT-5.5发布不久后，DeepSeek-V4预览版正式上线并同步开源，涵盖参数总量1.6万亿（激活参数49B）的V4-Pro，以及参数总量2840亿（激活参数13B）的V4-Flash，两款模型均支持100万token超长上下文窗口，采用MIT开源协议。
模型评测平台Arena.ai在V4发布当日宣布，DeepSeek V4 Pro（思考模式）在其代码竞技场中排名开源模型第3位，综合排名第14位，并将此次发布定性为"相较DeepSeek V3.2的重大飞跃"。Arena.ai同时测试了V4 Flash，两款模型均支持100万token上下文。
Vals AI的评测结果更具看点。该平台表示，DeepSeek V4在其Vibe Code Benchmark中"以压倒性优势"成为开源权重模型第一，不仅超越第2名Kimi K2.6，更击败Gemini 3.1 Pro等闭源前沿模型。
Vals AI特别强调，V4较V3.2实现了约10倍的性能跃升——"V3.2在该基准上仅得5分，这不是笔误。"在Vals综合指数排名中，V4以第2位收官，与榜首Kimi K2.6仅相差0.07%。
社区反应十分积极。在X平台上，用户Sigrid Jin称其带来新的“shocking moment”，并提到“现在可以在家里跑 gpt 5.4-ish 的模型”。他写道：
"GPT-5.5，对不起，DeepSeek V4才是新的震撼时刻，它在代码竞技场中击败了GPT-5.4高强度模式。"
用户Ejaaz则称：
"中国正在主导AI，他们已经追上来了。DeepSeek V4 Flash比Opus 4.7便宜99%，每百万token仅需0.28美元，代码竞技场排名第一，这不是笔误。"
也有用户表达保留意见，X用户Michael Anti在试用后表示，V4 Flash的实际体验未能超越此前已相当成熟的V3.2，认为对老用户而言升级体验令人失望。
官方自评：措辞克制，代码与Agent领域差距最小
DeepSeek对自身性能的评述保持了一贯的审慎风格。官方文件显示，在知识与推理任务上，V4-Pro已超越主流开源模型，接近Gemini等闭源系统，但与最先进的前沿模型仍存在约3至6个月的差距。在Agent和代码任务上，表现接近甚至部分超过Claude Sonnet。
内部使用数据方面，DeepSeek表示，V4已成为公司内部员工的Agentic Coding（智能体编程）主力模型，评测反馈显示其使用体验优于Claude Sonnet 4.5，交付质量接近Opus 4.6非思考模式，但与Opus 4.6思考模式仍有一定差距。
在数学、STEM及竞赛级代码评测中，V4-Pro超越目前已公开评测的所有开源模型，包括月之暗面的Kimi K2.6 Thinking和智谱GLM-5.1 Thinking，并取得比肩顶级闭源模型的成绩。
博主Simon Willison在其测评文章中指出，V4-Pro（1.6万亿参数）是目前已知最大的开源权重模型，超过Kimi K2.6（1.1万亿）、GLM-5.1（7540亿）以及DeepSeek V3.2（6850亿），为有意本地部署的企业用户提供了新的选项。
他还晒出了不同模型做出的鹈鹕图例：
这是DeepSeek-V4-Flash的鹈鹕：
至于DeepSeek-V4-Pro：
价格体系：最低仅为竞品1%，下半年仍有进一步降价空间
DeepSeek的定价策略是此次发布中最受市场关注的部分。V4-Flash的输入/输出价格分别为每百万token 0.14美元/0.28美元，低于OpenAI GPT-5.4 Nano（0.20美元/1.25美元）和Gemini 3.1 Flash-Lite（0.25美元/1.50美元），是目前小型模型中定价最低的选项。
V4-Pro的输入/输出价格为1.74美元/3.48美元，同样低于Gemini 3.1 Pro（2美元/12美元）、GPT-5.4（2.50美元/15美元）、Claude Sonnet 4.6（3美元/15美元）和Claude Opus 4.7（5美元/25美元）。
博主Simon Willison汇总的价格对比数据显示，V4-Pro是目前大型前沿模型中成本最低的选项，V4-Flash则是小型模型中成本最低的，甚至低于OpenAI的GPT-5.4 Nano。
DeepSeek将上述低价能力归因于模型在超长上下文场景下的极致效率优化。官方数据显示，在100万token场景下，V4-Pro的单token推理算力仅为V3.2的27%，KV缓存仅为10%；V4-Flash则分别低至10%和7%。
值得关注的是，DeepSeek在价格说明中附注称，"受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调"，暗示当前定价仍有进一步下调空间。
技术架构：混合注意力机制突破长上下文瓶颈，适配国产算力
DeepSeek-V4的核心技术创新在于首创的"CSA（压缩稀疏注意力）+HCA（重度压缩注意力）"混合注意力架构，旨在解决传统注意力机制在超长上下文场景下呈平方级复杂度攀升、显存与算力难以工程落地的行业痛点。CSA将每4个token压缩为一个信息块并通过稀疏检索获取最相关内容，在保留中段细节的同时大幅降低计算量；HCA则将海量信息浓缩为框架级信息块，专注全局逻辑处理。
在此之外，V4还引入mHC流形约束超连接（升级传统残差连接，将信号传播约束在稳定流形上）以及Muon优化器（替代传统AdamW，适配MoE大模型与低精度训练）。官方数据显示，全链路工程优化可实现推理加速最高接近2倍。
在国产算力适配方面，DeepSeek-V4在华为昇腾NPU平台上完成细粒度专家并行优化方案的全面验证，在通用推理负载场景下可实现1.50至1.73倍的加速比。DeepSeek官方表示，V4是全球首个在国产算力底座上完成训练与推理的万亿参数级模型，但目前昇腾平台适配代码暂未对外开源，属于闭源优化。此外，寒武纪已通过vLLM推理框架完成对V4-Flash和V4-Pro的适配，相关代码已开源至GitHub社区。
跑分跑得飞起，代码第几第几，一看价格0.28刀，吓得我赶紧跪着看完。结果呢？真跑起来V4 Flash连V3.2都干不过，官方自己都承认差闭源三五个月，就这还“打穿性价比”？吹，接着吹。评测榜就是个赛博标杆，谁钱多谁上，别真当回事。
看你们吹得这么凶我就想说两句不好听的 代码榜第一又咋了 我拿flash跑了个我们项目里的老接口重构 结果它把我原来的异常处理全砍了 看着跑通了 一上线就崩 查半天发现它把try catch吞了还一本正经注释说简化逻辑 这哪是简化这是埋雷 我家那破笔记本16g内存跑v4pro想都别想 flash倒是能跑 但生成到一半开始疯狂复读 同一个函数给我写三遍 每一遍还都长得不一样 改起来比我自己写还累 那些榜单到底测的啥啊 全是竞技场投票和特定基准 跟真实工程场景两码事 我之前用v3.2写脚本倒是稳得很 现在升级了反而要盯着它别自作聪明 官方自己都说跟闭源差三到六个月 怎么到网友嘴里就成吊打gpt5.5了 0.28美元一百万token是便宜 可你要是让它干点复杂活 来回纠错消耗的token加起来也没省多少 尤其那个什么vibecode榜 我怀疑评测的人是不是就让它写个贪吃蛇 那当然随便赢 还有那个说在家跑gpt5.4类似模型的 我就想笑 你知道1.6万亿参数啥概念吗 那是pro不是flash 普通人的显卡连量化版都塞不进去 能用得起flash就算不错了 可flash这体验跟v3.2比真没啥惊喜 上下文倒是长了 可我塞了一份五百页的屎山代码进去 它读到后面把前面需求忘了 还得我提醒它 百万上下文听着唬人 实际就是个记忆橡皮擦 我不是说deepseek不行 我是烦这种每次发新版就一群人高潮的风气 v3.2刚出的时候也吹开源第一 结果呢 用俩月就发现复杂推理还是得靠gpt 现在v4出来又吹十倍跃升 十倍 这词跟不要钱似的 我数学不好 但5分到50分确实是十倍 可你要是从0分到10分那也是无穷大啊 这种benchmark看看就得了 真信了拿生产环境去试 哭都来不及 反正我打算继续用v3.2 等v4再迭代几个小版本再说 别跟我提什么MIT开源啥的 开源是好 可你本地跑不动 还不是得用他们api 用api就得忍受限流 我看那pro的吞吐写着有限 到时候抢不到算力 再便宜有啥用 不如把v3.2调教好点 至少我知道它啥时候犯蠢