DeepSeek V4：当 1.6T 参数的模型只需 27% 的算力，MoE 的效率红利终于兑现了
DeepSeek V4-Pro 是目前最大的开源 MoE 模型，但真正值得关注的不是参数量——而是它在 1M 上下文场景下只消耗 V3.2 的 27% 计算量这个工程事实。
DeepSeek V4：当 1.6T 参数的模型只需 27% 的算力，MoE 的效率红利终于兑现了
4 月 24 日，DeepSeek 在没什么预警的情况下发布了 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash，两个全开源（MIT 协议）MoE 模型。Pro 版本 1.6T 参数、49B active，是目前开源世界里已知最大的模型——比 Kimi K2.6（1.1T）、GLM-5.1（754B）、DeepSeek V3.2（685B）都要大。
但参数量不是今天最有意思的数字。
真正的核心数据：长上下文下的 FLOPs 压缩
DeepSeek 在技术报告里给出了一个让人印象深刻的对比：
“In the scenario of 1M-token context, even DeepSeek-V4-Pro, which has a larger number of activated parameters, attains only 27% of the single-token FLOPs and 10% of the KV cache size relative to DeepSeek-V3.2.” — DeepSeek V4 Technical Report
Flash 版本更激进：同样是 1M token 上下文，FLOPs 只有 V3.2 的 10%，KV cache 只有 7%。
换句话说：V4-Pro 比 V3.2 大了 2.3 倍，但在 1M 上下文场景下算起来比 V3.2 便宜了 73%。这是 MoE 架构和长上下文优化同时发力的结果。
定价：重新定义”便宜”
这个效率优势直接反映在价格上。Simon Willison 整理了一份对比表：
| 模型 | Input（$/M） | Output（$/M） |
|---|---|---|
| DeepSeek V4 Flash | $0.14 | $0.28 |
| GPT-5.4 Nano | $0.20 | $1.25 |
| Gemini 3.1 Flash-Lite | $0.25 | $1.50 |
| DeepSeek V4 Pro | $1.74 | $3.48 |
| Gemini 3.1 Pro | $2.00 | $12.00 |
| GPT-5.4 | $2.50 | $15.00 |
| Claude Sonnet 4.6 | $3.00 | $15.00 |
V4-Flash 是当前最便宜的小模型，连 GPT-5.4 Nano 都比不上它。V4-Pro 是最便宜的大前沿模型，比 Gemini 3.1 Pro 便宜 1 个数量级（output 价格相差 3.5 倍）。
能力：差 3-6 个月，但价格差了 5 倍以上
DeepSeek 对自己的定位很诚实：
“DeepSeek-V4-Pro-Max demonstrates superior performance relative to GPT-5.2 and Gemini-3.0-Pro on standard reasoning benchmarks. Nevertheless, its performance falls marginally short of GPT-5.4 and Gemini-3.1-Pro, suggesting a developmental trajectory that trails state-of-the-art frontier models by approximately 3 to 6 months.” — DeepSeek V4 Technical Report
3-6 个月的能力差距，但价格差了 5 倍以上（Pro 对比 GPT-5.4）。这是一个商业上非常有竞争力的定位——尤其对于大量 API 用量的 agentic 应用。
V4-Pro 在 Codeforces 上据报达到 3206 分，是当前开源模型的最高记录。
MoE 效率的结构性理解
这次 V4 的效率提升不是魔法，有几个技术基础：
1. MoE 的 active parameter 机制：1.6T 参数里，每个 token 只激活 49B。推理成本主要由 active 参数决定，而不是总参数。
2. 长上下文下的 KV cache 优化：KV cache 是长上下文推理的主要成本来源——V4 把 1M 上下文的 KV cache 压缩到 V3.2 的 10%，意味着内存占用和带宽需求大幅下降。
3. FP8 量化：V4 使用 FP8 混合精度，进一步压缩计算和内存开销。
这三者叠加，才能在参数量翻倍的情况下，实际推理成本反而下降。
开源的真实意义：能跑多小？
V4-Pro 量化前是 865GB，Flash 是 160GB。Simon Willison 在他的 M5 MacBook Pro（128GB RAM）上尝试了 Flash：
“I’m hoping that a lightly quantized Flash will run on my 128GB M5 MacBook Pro. It’s possible the Pro model may run on it if I can stream just the necessary active experts from disk.”
Unsloth 团队很可能已经在准备量化版本。一旦 Flash 的 4-bit 量化版跑在 128GB 机器上，这个模型的可及性会再上一个台阶。
目前可以通过 OpenRouter 访问两个版本：deepseek/deepseek-v4-pro 和 deepseek/deepseek-v4-flash。
一个结构性问题
DeepSeek V4 的发布再次提出了一个行业里反复出现的问题：当开源模型以低于闭源模型 5 倍的价格达到 3-6 个月前的前沿水平，API 商业模式的护城河到底在哪里？
OpenAI 和 Anthropic 的护城河一部分在于最新能力（那 3-6 个月的窗口），一部分在于 agentic harness 和工具链（Codex、Claude Code）。但对于纯 API 消费者来说，价格差异的压力会越来越大。
DeepSeek V4 不是终点——而是 MoE 效率曲线上的一个新数据点。这条曲线还在继续向右上方延伸。