Автор: Гао Хэн (член-эксперт Комитета по научной фантастике и индустрии будущего Китайского общества научно-технических новостей)
После выпуска DeepSeek V4 самое интересное — не бенчмарки, а мелкий шрифт под таблицей цен.
В пояснении к ценам V4 DeepSeek упомянул, что из-за ограничений высокопроизводительных вычислений пропускная способность Pro-версии в настоящее время очень ограничена, и ожидается, что во второй половине года, после массового выхода суперузлов Ascend 950, цена на Pro значительно снизится.
Эта фраза содержит больше информации, чем многие технические параметры. Она показывает, что низкая цена DeepSeek больше не является лишь результатом оптимизации модели, а начинает быть связана с поставками вычислительных мощностей отечественного производства. Раньше, когда компании снижали цены на модели, это обычно понималось как повышение эффективности алгоритмов, субсидии производителей или новая ценовая война. Но на этот раз DeepSeek прямо указал, что будущее снижение цен зависит от масштабного развертывания суперузлов Ascend 950.
Это и есть настоящее отличие выпуска V4. На поверхности это обычное обновление модели: 1,6 триллиона параметров, контекст в 1 миллион токенов, улучшенные возможности для кода и агентов, более низкие цены на API. Но если копнуть глубже, это больше похоже на то, что Лян Вэньфэн одновременно решает три задачи: может ли DeepSeek продолжать делать модели дешевле; могут ли отечественные вычисления войти в ключевой путь передовых моделей; может ли команда, долгое время демонстрировавшая технический идеализм, выдержать давление финансирования, удержания сотрудников и коммерциализации.
За последний год DeepSeek изменил способ ценообразования в индустрии больших моделей Китая. После выпуска V3 и R1 отечественные и зарубежные производители моделей были вынуждены пересчитать цены на API, стоимость обучения и пути коммерциализации. С V4 проблема стала сложнее. DeepSeek не просто продолжает снижать цены, а следующий шаг снижения цен связывает с масштабным развертыванием отечественных вычислений. По моему мнению, это означает, что конкуренция больших моделей в Китае переходит от этапа «чья модель мощнее» к этапу «кто сможет объединить модель, чипы, инженерные системы и бизнес-организацию в замкнутый цикл».
01 DeepSeek сделал длинный контекст дешевым
Утром 24 апреля DeepSeek анонсировал официальный выход предварительной версии новой серии моделей DeepSeek-V4 и одновременно открыл исходный код.
На этот раз выпущены не одна, а две версии одновременно: DeepSeek-V4-Pro и DeepSeek-V4-Flash. Согласно информации, раскрытой DeepSeek, V4-Pro имеет общее количество параметров 1,6 триллиона, активированных параметров — 49 миллиардов, и ориентирован на высокопроизводительные задачи; V4-Flash имеет общее количество параметров 284 миллиарда, активированных параметров — 13 миллиардов, и focuses на низкую стоимость и высокую пропускную способность. Обе модели используют архитектуру MoE, то есть «смешанную модель экспертов».
Известный комментатор технологической индустрии Пэн Дэюй проанализировал для меня: логика MoE не сложна. Внутри большой модели может быть много «экспертов», но при ответе на каждый вопрос не нужно задействовать всех экспертов одновременно, вызывается только наиболее релевантная часть. Это позволяет увеличить емкость модели, не обременяя каждое использование вычислительными затратами на полные параметры. Для пользователей это ощущается как более дешевая и быстрая модель; для компании-разработчика моделей ключевым является снижение стоимости вывода на единицу.
Другое изменение V4 — сделать контекст в 1 миллион токенов стандартной услугой. Эта возможность может звучать абстрактно для обычного пользователя, но в сценарии использования она становится прямой: пользователь может за раз обработать целую книгу, большую кодобазу, полный годовой отчет или набор сложной проектной документации. Раньше такая обработка длинных текстов обычно была дополнительной возможностью高端 моделей, с высокой ценой, медленным вызовом и большим давлением на видеопамять. По моему мнению, ключевой момент V4 не в том, чтобы первым достичь миллионного контекста, а в попытке сделать миллионный контекст базовой возможностью с низкой стоимостью.
Исполнительный директор компании Qishi Jie (Пекин) Technology Co., Ltd. Ли Жуй сказал мне: это также самое практичное изменение V4 на этот раз. Миллионный контекст сегодня уже не является эксклюзивной возможностью, модели Gemini, Qwen и другие также достигли этого уровня. Вопрос, на который должен ответить DeepSeek, не «может ли это сделать», а «после того, как сделает, выдержат ли затраты». Если длинный контекст остается дорогим, это лишь функция для少数高端 пользователей; если затраты снижены, он может стать повседневной инфраструктурой для предприятий и разработчиков.
Исследователь индустрии больших моделей сказал мне: за этим решается давнее противоречие в индустрии больших моделей: чем длиннее контекст, тем выше стоимость. Традиционным моделям для понимания длинного текста нужно вычислять множество взаимосвязей между токенами, чем длиннее текст, тем больше растут объем вычислений и использование видеопамяти. DeepSeek V4 не борется с этой проблемой в лоб, а с помощью разреженного внимания и механизмов сжатия сначала сжимает длинный текст, а затем выхватывает ключевые моменты. Другими словами, это не заставляет модель перечитывать все содержимое с начала до конца снова и снова, а сначала организует содержимое в более сжатую информационную структуру, а затем рассуждает вокруг ключевых моментов.
Цена продолжает традиционную тактику DeepSeek. Согласно объявленным ценам на API V4, цена ввода с попаданием в кэш для Pro-версии составляет 1 юань/миллион токенов, вывод — 24 юаня/миллион токенов; для Flash-версии цена ввода с попаданием в кэш — 0,2 юаня/миллион токенов, вывод — 2 юаня/миллион токенов. Сравнительный обзор показывает, что текущая цена ввода с попаданием в кэш для智谱GLM-5.1 составляет около 1,3-2 юаня/миллион токенов, для Kimi-K2.6 — около 1,1 юаня/миллион токенов. То есть цена ввода V4 по-прежнему находится на низком уровне среди основных отечественных моделей.
По моему мнению, что действительно值得注意 на этот раз, так это то, что низкая цена и длинный контекст объединены. Миллионный контекст — не изолированный параметр, он определяет, может ли модель войти в более тяжелые рабочие процессы. Код, финансы, право, научные исследования, корпоративные базы знаний — все эти сценарии требуют от модели чтения длинных материалов, обработки сложных структур, сохранения контекста.
Изменения возможностей V4 также развернуты вокруг этих сценариев. Раскрытая DeepSeek информация об оценке показывает, что V4-Pro превосходит большинство открытых моделей в публичных тестах по задачам математики, STEM, соревновательного кода; в Agentic Coding входит в первый эшелон открытых моделей и используется внутри DeepSeek как инструмент кодирования для инженерной команды. Он также адаптирован для основных инструментов Agent, таких как Claude Code, OpenClaw, CodeBuddy, с оптимизированной производительностью в сценариях генерации кода, обработки документов и вызова инструментов.
Но это не означает, что V4 уже полностью оторвался. Эксперт по стратегическому позиционированию предприятий У Юйсин проанализировал для меня: прорыв в производительности V4 по сравнению с冲击, который вызвал R1, несколько меньше. Он по-прежнему находится в первом эшелоне, но в部分 сложных задачах Agent и самых обширных мировых знаниях仍有差距 с самыми передовыми закрытыми моделями.
Изюминка V4 не в «полном превосходстве», а в предоставлении достаточно мощных возможностей длинного контекста и производственных задач по较低кой цене. Это и есть первый смысл DeepSeek V4: он продолжает снижать порог использования высокопроизводительных моделей. Но что более важно, DeepSeek начинает объяснять, на что еще может опереться эта низкая цена, и ответ указывает на отечественные вычисления.
02 Следующий шаг к дешевизне указывает на отечественные вычисления
Ключевой момент V4 не в таблице параметров, а в том самом пояснении об Ascend 950.
DeepSeek прямо указал в пояснении к ценам, что из-за ограничений высокопроизводительных вычислений пропускная способность Pro-версии в настоящее время очень ограничена, и ожидается, что во второй половине года, после массового выхода суперузлов Ascend 950, цена на Pro значительно снизится. То, что компания-разработчик моделей напрямую связывает будущее снижение цен с графиком выхода определенного кластера вычислений, необычно для отрасли. Это показывает, что цена модели начинает определяться структурой вычислений.
Раньше дешевизна DeepSeek понималась больше как победа архитектуры модели и инженерной эффективности. V2 использовал MoE для снижения масштаба активированных параметров; R1 использовал более эффективный путь обучения и вывода, чтобы冲击 отраслевую зависимость от нагромождения вычислений; тогда как V3 с极致控制 затрат и инженерной оптимизацией瓦解传统ную логику ценообразования универсальных больших моделей. После V3 и R1 отечественные большие модели были вынуждены войти в новый пересмотр цен. Но отличие V4 в том, что DeepSeek начинает следующий шаг снижения цен связывать с масштабным развертыванием отечественных вычислений.
Согласно техническому отчету DeepSeek, V4 сделал细粒度专家并行, то есть схему EP, на системном низком уровне. Говоря通俗, это оптимизация способа调度 модели на чипах, чтобы вычисления и связь перекрывались как конвейер, уменьшая время ожидания чипов. Одна и та же партия чипов, если может обрабатывать больше запросов, естественно снизит стоимость вывода на единицу.
Технический отчет упоминает, что эта схема EP уже прошла проверку на двух системах: GPU NVIDIA и NPU Huawei Ascend, общие задачи вывода могут достичь ускорения в 1,5-1,73 раза, в сценариях, чувствительных к задержкам (таких как RL вывод и高速агентные сервисы)最高可达ускорения до 1,96 раза. Сторона Huawei Ascend также объявила после выпуска V4, что серия продуктов суперузлов поддерживает модели серии DeepSeek V4.据了解, Ascend 950 через融合 kernel и多流并行技术 снижает затраты на вычисления и доступ к памяти Attention,大幅提升производительность вывода,结合多种量化算法,实现了高吞吐量、低задержкуразвертывания модели DeepSeek V4.
Пэн Дэюй сказал мне: значение этой информации не только в «более быстром выводе». Это означает, что инженерная оптимизация DeepSeek начала обладать кроссплатформенными возможностями. Раньше большинство компаний больших моделей разрабатывали вокруг системы CUDA от NVIDIA. CUDA — не просто инструмент программирования, а更像底层ная операционная система эпохи ИИ. Множество разработчиков, библиотек операторов, фреймворков и кода моделей по всему миру построены вокруг CUDA, и一旦离开этой системы, много низкоуровневого кода нужно переписывать, инженерные и тестовые затраты都很高. Это и есть настоящий 护城河 NVIDIA.
То, что делает сейчас DeepSeek, — не马上推翻 CUDA, а попытка оставить себе второй путь. Согласно综合ным报道信息, DeepSeek через TileLang, Tile Kernels и другие способы абстрагирует часть логики низкоуровневых операторов из единственного пути CUDA, выражая логику вычислений на более универсальном языке, а затем компилятор генерирует низкоуровневый код, адаптированный для различного оборудования. Таким образом, разработчикам не нужно полностью переписывать код для каждого GPU или NPU, а可以先писать通用ную логику, а затем оптимизировать для конкретного оборудования.
Это важно для отечественных чипов. Отечественные чипы ИИ过去 сталкивались не только с проблемой纸面ной вычислительной мощности, но и с проблемой программной экосистемы и эффективной利用率. То, насколько хорошо можно использовать чип, зависит от多个环节: модели, операторов, компилятора, связи, управления видеопамятью. Если DeepSeek сможет запустить передовую модель на Huawei Ascend и снизить стоимость вывода, это принесет не просто пример адаптации одной модели, а техническую проверку协同программного и аппаратного обеспечения.
Но DeepSeek并没有马上摆脱 NVIDIA,短期内, CUDA по-прежнему остается самым зрелым и стабильным путем. Сигнал, который释放ет V4, заключается в том, что отечественные вычисления已经开始 входить в ключевую структуру затрат DeepSeek и в一定程度 влиять на будущее ценообразование. Он еще не推翻нул CUDA, но он делает CUDA не看起来完全 незаменимой.
Это именно то, чего боится Хуан Жэньсюнь. Основатель NVIDIA Хуан Жэньсюнь недавно в интервью Dwarkesh Patel сказал, что если DeepSeek сначала выпустит на платформе Huawei, это будет катастрофой для США. Ли Жуй указал, что это суждение не потому, что какой-то бенчмарк DeepSeek превзошел кого-то, а потому, что一旦топовая открытая модель сможет стабильно работать вне системы NVIDIA, разработчики有可能开始менять привычки. Модель достаточно хороша, цена достаточно низка, инструментальная цепочка постепенно созревает, миграция перестает быть лишь политическим или供应链ным выбором, а становится商业ным выбором.
Поэтому, второй смысл V4 заключается в том, что логика низкой цены DeepSeek переходит от «движимой оптимизацией модели» к «оптимизации модели + системе вычислений». Раньше цена больших моделей в основном определялась эффективностью алгоритма, стоимостью обучения и субсидиями производителей; теперь цена начинает быть связана с поставками чипов, развертыванием суперузлов, эффективностью协同программного и аппаратного обеспечения. Для DeepSeek это путь к еще более низкой стоимости; для NVIDIA это трещина, пока небольшая, но требующая警惕.
Только,协同программного и аппаратного обеспечения — не бизнес с легкими активами. Чем глубже модель嵌入чипы и инфраструктуру, тем больше затрат, давления на организацию и давления коммерциализации должен нести DeepSeek.
03 DeepSeek начинает тяжелеть
Вот почему информация о том, что Лян Вэньфэн начал接触внешнее финансирование перед и после выпуска V4, также кажется важной.
Согласно报道 Sina Technology,近期DeepSeek также曝出планы по привлечению финансирования в размере 50 миллиардов юаней. По данным接近DeepSeek的知情人士, оценка DeepSeek до финансирования составляет 300 миллиардов юаней, около 440 миллиардов долларов США, в настоящее время Tencent Holdings, Alibaba Group ведут переговоры об инвестициях в DeepSeek. Однако, по вопросам, связанным с финансированием, DeepSeek до сих пор не дал正面ного ответа на запросы СМИ.
Конкретная оценка — не самое главное. Ключевым является то, что DeepSeek开始открывать окно внешнего финансирования. Это означает, что конкуренция, с которой он сталкивается, уже не только способность модели, а распространяется на инвестиции в вычисления, стабильность талантов, стимулирование сотрудников и способность к коммерциализации.
Важность этого не в том, является ли сумма инвестиций足够大的数字. На сегодняшнем рынке финансирования ИИ это не преувеличено. Важно, что человек, открывающий финансирование, — это Лян Вэньфэн. DeepSeek ранее долгое время рассматривался как редкая компания технического идеализма, за которой стоит幻方量化, не спешащая привлекать внешний капитал и не спешащая рассказывать бизнес-истории. Теперь она开始接触внешнее финансирование, что означает, что форма конкуренции после V4 стала тяжелее, также появилось давление: инфраструктура вычислений, стимулирование талантов и коммерциализация требуют более стабильных капитальных安排, чем раньше.
Первое давление исходит от вычислений. Чем глубже V4 погружается в отечественные вычисления, тем больше需要инфраструктурных инвестиций. Параметры модели растут от уровня миллиардов к триллионам, затраты на обучение и вывод будут расти. Если还要делать больше адаптации, настройки и развертывания вокруг системы Ascend, DeepSeek не может быть просто компанией легких активов моделей. В настоящее время DeepSeek уже нанимает инженеров по эксплуатации центра обработки данных в Уланчабу, Внутренняя Монголия, это первый раз, когда он нанимает персонал, непосредственно отвечающий за运营计算ной инфраструктуры, что также рассматривается внешним миром как сигнал движения в сторону более тяжелой инфраструктуры вычислений.
Второе давление исходит от талантов. Многочисленные报道СМИ показывают, что в настоящее время确认покинувших ключевых технических специалистов DeepSeek уже 5 человек,流向в компании ByteDance, Tencent, Xiaomi, Yuanrong Qixing и другие,涉及базовые модели, вывод с подкреплением обучения, многомодальность и OCR. Среди них, Го Дая (основой автор DeepSeek R1) был报道присоединился к команде Seed ByteDance; Ван Бинсюань (основой автор DeepSeek LLM) присоединился к Hunyuan Tencent; Жуань Чун (глубоко участвовал в разработке многомодальных моделей DeepSeek-VL, VL2, Janus系列) присоединился к Yuanrong Qixing; Ло Фули (ключевой разработчик DeepSeek-V2, также основной вкладчик технологии MLA) присоединился к Xiaomi; Вэй Хаожань (основой автор серии DeepSeek OCR)去向尚未公开.
Для компании с总共不到200 человек такие изменения — не обычная смена персонала.报道СМИ称, основная команда разработчиков DeepSeek составляет около 100 с лишним человек, почти не ведет社招, в основном relies на выпускников и стажеров. В такой команде уход ключевого исследователя может повлиять не на одну должность, а на преемственность технической линии.
Это не означает, что организация DeepSeek плоха. Наоборот, долгосрочное впечатление внешнего мира о DeepSeek именно в том, что у него есть организационный способ, который трудно复制крупным компаниям: нет打卡, нет KPI, исследователи могут自由组队, также могут独自钻研новые идеи. Такой организационный способ подходит для ранних технических прорывов, и объясняет, почему DeepSeek смог постоянно делать反常识ные инженерные инновации за последние годы. Но когда отрасль входит в более тяжелую стадию, проблема меняется. Топовые таланты смотрят не только на свободу работы, но и на техническое направление, инвестиции ресурсов и сценарии внедрения. Крупные компании могут одновременно давать деньги, вычисления, продуктовые сценарии и большие команды.
Третье давление исходит от коммерциализации. Перед выпуском V4 приложение DeepSeek App было обновлено 8 апреля, запущены «Экспертный режим» с поддержкой сложных рассуждений и «Быстрый режим» для обработки простых задач. С выпуском V4 внешний мир узнал, что Экспертный режим соответствует V4-Pro с 1,6 триллиона параметров, а Быстрый режим соответствует V4-Flash с 284 миллиарда параметров. Это изменение показывает, что DeepSeek не просто выпускает модель для использования разработчиками, а начинает打磨ить продуктовую стратификацию для пользователей.
Пэн Дэюй указал, что это создает естественное напряжение с путем открытого исходного кода. Открытый исходный код может быстро создать технический резонанс, а также позволить разработчикам и партнерам экосистемы быстрее复用маршрут DeepSeek. Но открытый исходный код обычно означает更薄的прибыль и более высокую чувствительность к затратам. Закрытые компании, такие как OpenAI, Anthropic, могут建立更直接的商业闭环 через подписки, API, корпоративные услуги; Google, Amazon, Microsoft могут消化ть стоимость модели в облачных вычислениях и экосистеме. У DeepSeek нет этих готовых商业缓冲ных слоев. Если он будет продолжать настаивать на низкой цене, открытом исходном коде и разработке передовых моделей, он должен найти новые资金, вычисления и商业ную поддержку.
Ли Жуй сказал, что поэтому выпуск V4 и финансирование — не две независимые вещи. V4 — это答卷, который Лян Вэньфэн сдал рынку, доказывая, что DeepSeek仍然能делать сильные модели, низкие цены и продвигать отечественные вычисления на ключевой путь. Финансирование же — это答卷, который он сдает команде, оставляя缓冲 для инвестиций в вычисления, опционов сотрудников, стабильности талантов и探索коммерциализации.
У Юйсин further сказал, что здесь也有更现实的ный парадокс. Финансирование может решить оценку акций, может缓解ить давление вычислений, также может дать компании больше козырей в войне за таланты. Но финансирование не решает всех проблем.过去самым дефицитным для DeepSeek были не деньги, а та организационная气质, которая готова долгосрочно ставить на базовые технологии, готова обходить основные пути для инженерных инноваций.一旦капитал, коммерциализация и война за таланты крупных компаний同时входят, DeepSeek должен защищать не только领先модели, но и свою исходную техническую路线 и организационную культуру.
По моему мнению, это и есть глубокая проблема, которую真正обнажил V4. Он доказывает, что большие модели Китая уже способны сделать шаг вперед одновременно в способности моделей, цене вывода и адаптации отечественных вычислений; но он также доказывает, что конкуренция больших моделей уже не является соревнованием少数гениев, пишущих лучшие алгоритмы. Следующий этап — это инфраструктура вычислений, инженерные системы, продуктовое преобразование, способность к финансированию и плотность талантов.
Лян Вэньфэн на этот раз поставил на отечественные вычисления. V4 keeps DeepSeek в центре отрасли, также позволяет внешнему миру увидеть, что экосистема CUDA не完全不可动摇. Но более сложная задача только начинается: когда модель становится все тяжелее, таланты все дороже, коммерциализация все急, может ли DeepSeek, став более тяжелой компанией инфраструктуры ИИ, сохранить ту способность改变правил, которая была у него раньше.
