- 核心观点： DeepSeek V4 在国产算力训练适配领域实现里程碑式突破，战略意义大于性能意义。模型首次由华为昇腾芯片参与训练，并通过 MXFP4 量化感知训练、TileLang 领域专用语言、自研 MegaMoE2 融合内核三大核心技术设计，实现去英伟达化的技术布局，为国产算力与大模型的协同发展奠定基础。
- 性能表现： DeepSeek V4 跃升全球第一梯队，多项核心指标比肩甚至超越国际顶级闭源模型。
- 知识储备： DeepSeek-V4-Pro-Max 在 SimpleQA-Verified 基准上取得 57.9 分，中文 SimpleQA 得分达 84.4，大幅缩小与 Gemini-3.1-Pro 的差距；MMLU-Pro、GPQA Diamond 等教育知识基准均领跑开源赛道。
- 推理与代码能力： Pro-Max 版本 Codeforces 评分达 3206，位列人类选手排行榜第 23 名，追平 GPT-5.4 等闭源模型；Flash 版本 Codeforces 评分也达到 3052，推理性能追平 GPT-5.2。
- Agent 能力： V4 Pro-Max 的 SWE-benchVerified 任务解决分数达 80.6，与 Claude Opus 4.6 基本持平，Terminal Bench 2.0、MCPAtlasPublic 等基准均处于开源模型第一梯队。
- 长上下文能力： 1M token 场景下，MRCR、CorpusQA 得分分别为 83.5、62.0，超越 Gemini-3.1-Pro，且 128K 上下文内检索能力保持高度稳定。
- 中文创作： 功能性写作对 Gemini-3.1-Pro 胜率达 62.7%，创意写作质量胜率高达 77.5%，仅在高难度多轮约束场景略逊于 Claude Opus 4.5。
- 技术架构： DeepSeek V4 通过三大核心创新实现效率与能力的双重突破。
- CSA+HCA 混合注意力架构： 首创 CSA+HCA 交替的混合注意力架构，将注意力计算复杂度从 O(n²) 降至 O(n)，解决超长上下文的算力瓶颈。
- mHC 流形约束超连接： 引入 mHC 流形约束超连接升级传统残差结构，提升深层模型的信号传播稳定性与表达能力，解决万亿参数 MoE 模型训练的 Loss Spike 难题。
- 创新后训练范式： 采用“领域专家独立训练+全词表在线蒸馏”的两阶段后训练范式，规避多能力融合的性能退化问题。
- 研究结论： DeepSeek V4 是开源模型标杆，国产化战略意义远超性能表现。模型在推理、代码能力上表现优异，更重要的是实现了百万级上下文支持、万亿参数模型的国产芯片训练适配，为国产大模型与国产算力的协同发展打开了全新空间。模型具备极高的商用性价比，Flash 版本定价仅 1 元/输入百万 token、2 元/输出百万 token，Pro 版本相较海外顶级闭源模型便宜约 60%。
- 投资建议： DeepSeek V4 的发布是国产通用大模型在国产算力训练侧从 0 到 1 的里程碑式突破，对国产算力生态的战略意义，都远大于模型本身的性能意义。国产算力产业链将迎来全新的发展机遇。
- 风险提示： 大模型迭代节奏不及预期、国产算力软硬件生态适配进度不及预期、大模型行业市场竞争持续加剧、行业政策监管持续趋严。
