Come Valutare il Rilascio Ufficiale di DeepSeek V4 Annunciato su Twitter il 22 Aprile
DeepSeek-V4 è Arrivato: Il Contesto Millionario Non È un Gimmick, Ma la Fondazione per Agents di Prossima Generazione
Dopo una lunga attesa, DeepSeek-V4 è stato ufficialmente annunciato il 22 aprile. Dalla prospettiva dell’architettura complessiva, V4 è chiaramente un nuovo modello grande di generazione ricostruito attorno all‘“efficienza contestuale ultra-lunga”, con l’obiettivo di risolvere il dolore industriale dei costi di inferenza contestuale lunga elevati.
Questo nuovo rilascio presenta capacità contestuale ultra-lunga di un milione di token, raggiungendo livelli leader nelle capacità Agent, conoscenza mondiale e performance di ragionamento tra i modelli domestici e open-source. Il modello viene in due versioni, entrambe supportando la lunghezza contestuale 1M, ed è stato direttamente reso open-source.
Com’è la Performance del Modello?
Prima di tutto, la performance di V4 è già paragonabile ai migliori modelli closed-source:
Capacità Agent Significativamente Migliorate
Rispetto ai modelli di generazione precedente, le capacità Agent di DeepSeek-V4-Pro sono state significativamente migliorate. Nelle valutazioni di Agentic Coding, V4-Pro ha raggiunto il miglior livello tra i modelli open-source attuali.
Conoscenza Mondiale Ricca
Nelle valutazioni della conoscenza mondiale, DeepSeek-V4-Pro supera significativamente gli altri modelli open-source.
Performance di Ragionamento di Classe Mondiale
Nelle valutazioni di matematica, STEM e codice di livello competitivo, DeepSeek-V4-Pro supera tutti i modelli open-source attualmente valutati pubblicamente.
Innovazione Strutturale e Eficienza Contestuale Ultra-Alta
DeepSeek-V4 ha pionierato un mecanismo di attenzione nuovo che comprime nella dimensione del token, combinato con DSA sparse attention, raggiungendo capacità contestuali lunghe di livello mondiale e riducendo significativamente i requisiti di calcolo e memoria rispetto ai metodi tradizionali. Da ora, 1M sarà lo standard per tutti i servizi DeepSeek.
Ottimizzazione Speciale per le Capacità Agent
DeepSeek-V4 è stato adattato e ottimizzato per prodotti Agent mainstream come Claude Code, OpenClaw, OpenCode e CodeBuddy.
Nuova Architettura del Modello
DeepSeek ha ufficialmente rilasciato un documento tecnico dettagliando l’implementazione tecnica di V4. Il documento stabilisce chiaramente che i modelli di ragionamento attuali dipendono pesantemente dal test-time scaling.
CSA + HCA: Il Verace Asso di V4
Questa è la parte più critica dell’intero documento. Invece di continuare sul percorso dell’attenzione densa originale, V4 ha progettato un’architettura di attenzione ibrida.
mHC: Addestramento Più Stabile
Un altro importante aggiornamento in V4 è mHC (Manifold-Constrained Hyper-Connections), che principalmente risolve tre problemi.
Muon: L’Ottimizzatore Pesantemente Usato in V4
Il documento enfatizza strongly l’ottimizzatore Muon.
Quanto Imponente è il Miglioramento dell’Eficienza di V4?
I dati più impattanti in questo documento sono il grafico di confronto dell’efficienza sulla homepage. Sotto contesto token 1M:
- DeepSeek-V4-Pro ha solo 27% dei FLOPs di inferenza token singolo di DeepSeek-V3.2, e la cache KV è solo 10% di V3.2
- DeepSeek-V4-Flash è ancora più aggressivo, con FLOPs token singolo solo 10%, e cache KV solo 7%
Pensieri Finali
Il valore centrale di V4 questa volta risiede in: È stato completamente re-ingegnerizzato attorno alla “usabilità contestuale lunga” dal mecanismo di attenzione, cache KV, stabilità di addestramento, all’ottimizzatore.