DeepSeek V4 Pro 发布

本周 DeepSeek 引发关注的不仅是基准分数——更是一项让长上下文推理成本低到近乎免费的架构决策。结合压缩稀疏注意力与高度压缩注意力的混合注意力设计意味着，在100万 token 上下文设置下，V4 Pro 所需的单 token 推理 FLOPs 仅为 DeepSeek-V3.2 的27%，KV 缓存仅为10%^[1]。其底层是一个总参数量为1.6万亿的混合专家模型，每个 token 仅激活490亿参数，训练数据超过32万亿 token，并以 MIT 许可证开源权重发布^[2]。Greyhound Research 分析师 Sanchit Vir Gogia 认为这是刻意为之的设计选择而非副作用：V4 Pro “专为降低长上下文推理成本而打造，单 token 计算量约为前代的四分之一，内存占用仅为十分之一”^[3]。正是这种效率，使得本周通过编码代理测试该模型的开发者报告称，端到端任务的实际成本仅为几美分而非数美元——起作用的是架构本身，而不仅仅是折扣。

V4 Pro 的官方定价——缓存未命中时每百万输入 token 0.435美元，缓存命中时仅0.003625美元，每百万输出 token 0.87美元——是 DeepSeek 在今年早些时候促销后将75%的价格降幅永久化的结果^[3]。时机进一步凸显了对比：xAI/SpaceXAI 的 Grok 4.6 正好在同一天发布，定价为每百万输入 token 2美元、每百万输出 token 6美元，约为 V4 Pro 输出价格的七倍^[4]。相关报道指出，DeepSeek 的输出定价约为 GPT-5.6 Sol 的三十五分之一，Anthropic 同类产品定价的五十七分之一^[3]。Counterpoint Research 的 Neil Shah 认为，DeepSeek 已“在复杂数学与推理等关键任务上有效缩小了性能差距，同时在开放性和推理成本方面激进地引领市场”^[3]，这正是挤压 OpenAI、Anthropic 和 Google 的钳形攻势：它们不能再依赖能力优势来证明高溢价合理性，必须转而在速度、企业功能或接受更低利润率方面展开竞争。

市场反应明显按平台分化。在 X 平台上，最响亮的声音是纯粹的价格性能胜利主义——帖子宣称 V4 Pro 以极低成本超越 Anthropic 的 Opus 级别模型，分销合作伙伴强调其在代理基准测试中相比4月预览版有显著提升，包括 Terminal-Bench 2.1 分数提高了约15.8分^[5]。Reddit 上的 DeepSeek 社区态度更温和但也更为分裂。热情支持者指出模型的缓存命中定价构成了无与伦比的护城河，并将基准提升视为 V4 Pro 能以几分钱提供接近前沿智能的证明。但一群强烈质疑的少数派则激烈反驳，认为该模型在编程基准测试上落后于 Kimi K3 Max 和 Opus 5 Medium，远非当前一代最佳。更尖锐的反向观点并非认为 Pro 表现不佳，而是 V4 Flash（与其同期发布）已实现了大部分实用价值，使得 Pro 在更高价格下的边际提升更难被接受。一些用户还指出，该模型在调试任务中的思维链推理运行缓慢且冗长，常见的应对方式是缩短或完全禁用“思考”过程，而不是让模型长时间推理。

对企业而言，V4 Pro 成本结构的实际优势是明确的：Ankura Consulting 的 Amit Jaju 指出，“当推理成本大幅下降时，许多此前在规模上不经济的项目变得可行”^[3]——这直接指向了 V4 Pro 架构旨在降低开销的长上下文、高容量代理工作负载。但同一份报告也警示了相反的风险：由于 DeepSeek 的托管 API 通过中国境内服务商运行，提交敏感数据的企业面临监管合规性与知识产权泄露的公开疑问，而 MIT 开源许可证只能部分抵消这一风险，因为自托管需要真正的基础设施投入^[3]。根据该分析，可能的结果是转向多模型企业战略——像 IT 领域对待多云供应商一样对待大语言模型提供商——而非集中采用本周基准排行榜榜首的单一模型。