4月24日，DeepSeek挂出V4预览版：Pro版1.6万亿总参数，激活49B；Flash版284B，激活13B；上下文100万token。权重走MIT开源协议，API当天开放，同步放出技术报告。
这是自2025年1月R1引发热度以来，DeepSeek时隔15个月交出的第一个全新旗舰。
15个月里，外界能看到的动作并不少，V3.1、V3.1-Terminus、V3.2-Exp、V3.2、V3.2-Speciale都发过，但真正被称为"新一代"的只有V4。跳票三次，第一次传闻是2026年2月春节档，第二次是3月，第三次才落地到4月下旬。核心研究员流向字节和小米，豆包月活反超登顶中国AI应用榜首。舆论层面，DeepSeek被不少人写进了"掉队名单"。
但把V4的技术报告和过去一年DeepSeek的arXiv发稿表放在一起对照，会看到另一幅图景：V4是15个月里分步交付的集成结果，不是空转后的突击产物。它的每一块架构砖，CSA、HCA、mHC、Muon、MoE扩展到384个专家，早就以论文、开源代码、实验模型的形式，提前吧V4的技术路线画清楚了。
论文先于模型，V4的地基全在明面上
先看V4-Pro技术报告列出的核心升级清单：混合注意力架构（CSA+HCA）、流形约束超连接（mHC）、Muon优化器、两阶段后训练管线、MoE层384个专家每token激活6个。
这些名词里没有一个是4月24日的新发明。
mHC是2025年12月31日发布的论文《Manifold-Constrained Hyper-Connections》，arXiv编号2512.24880，梁文锋亲自署名。论文的切入点非常具体：Hyper-Connections这一代超连接结构虽然在增加残差流宽度上有效，但会破坏身份映射性质，让大模型深层训练出现不稳定。DeepSeek团队的解法是把残差空间投射到一个特定流形上（用Sinkhorn-Knopp算法保证双随机矩阵约束），恢复身份映射，并配合TileLang做内核融合来压overhead。
当时在27B规模上的实验数据已经相当亮眼：BBH从43.8（baseline）→48.9（HC）→51.0（mHC）；训练过程中loss spike消失；GPU训练时间overhead只有6.7%。一位海外工程师Subhadip Mitra在博客里把这篇论文称作"striking breakthrough"。
这篇论文发在元旦前夕，延续了DeepSeek"节假日搞事情"的传统。V4-Pro技术报告第一个架构亮点，就是mHC。
Engram是第二块砖。2026年1月12日，DeepSeek发布《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》，arXiv编号2601.07372。论文提出一个朴素但锋利的观察：Transformer处理"Diana, Princess of Wales"这类静态实体时，其实是在用多层注意力和FFN重建一个本该被哈希查表取走的固定关联，浪费了深层算力。
Engram是一个基于N-gram哈希的O(1)查表模块，和MoE一起构成两条独立的稀疏性轴线。一条走条件计算，一条走条件记忆。论文在Engram-27B上相对MoE-27B等参数等FLOPs对照组，MMLU+3.4、BBH+5.0、HumanEval+3.0、Multi-Query NIAH从84.2跳到97.0。
这里有个细节值得注意：论文一作是北大在读博士Xin Cheng，通讯作者列表里有梁文锋。Engram仓库1月12日发稿，DeepSeek的FlashMLA生产内核库1月20日出现了MODEL1引用，中间只隔了9天。有Medium博主把这层关系挖了出来，认为Engram的查表机制已经开始和生产推理内核集成。
V3.2-Exp是更早的一块砖。2025年9月29日发布，核心是DSA（DeepSeek Sparse Attention），一个lightning indexer加细粒度token选择的稀疏注意力机制。当时跑分和V3.1-Terminus基本持平，社区反应冷淡，普遍认为是个无足轻重的experimental版本。但12月2日DeepSeek-V3.2正式版发布时，跑出了IMO 2025和IOI 2025双金，数学推理能力对标Gemini 3.0 Pro。Sebastian Raschka在博客里回顾时直接点出：V3.2-Exp就是为了让推理基础设施提前适配DSA，是在给后面铺路。
V4-Pro技术报告的混合注意力是CSA+HCA，Compressed Sparse Attention加Heavily Compressed Attention，算是DSA路线的进一步压缩版本。整条"稀疏注意力"的DNA从V3.2-Exp开始就已经确立。1M token上下文下，V4-Pro单token推理FLOPs只需要V3.2的27%，KV缓存只需要10%。
Muon优化器的算法细节也早就是公开信息，DeepSeek的说法是"用Muon做大部分模块的优化，embedding、prediction head、部分mHC参数和RMSNorm权重保留AdamW"，收敛更快、训练更稳。
把时间线连起来：2025年9月DSA进生产、12月mHC论文上线、2026年1月Engram论文上线、1月FlashMLA代码库出现MODEL1引用、4月V4发布。每一步都留在光天化日之下。
换芯：V4为什么姗姗来迟的另一个答案
论文节奏只是一条叙事线，另一条是算力底座。
根据Reuters、The Information和EE Times China的交叉报道，V4最初定档2026年春节档，跳了三次才在4月下旬落地。延迟的核心原因之一，是DeepSeek花了几个月时间和华为、寒武纪一起，对模型底层架构做了大量改写，以适配国产芯片。
V4发布当天，华为宣布基于Ascend 950芯片的Ascend超节点"全面支持"V4模型推理；寒武纪也迅速宣布兼容。DeepSeek官方公告里明确提到"深度适配国产芯片"。华泰证券的分析师评价说，这会带动国产显卡能力的实质提升和广泛普及。
但需要区分一个关键问题：V4是"在国产芯片上训练"，还是"在国产芯片上推理"？
技术报告给出的答案是后者。V4的MegaMoE融合推理内核已经在昇腾NPU上跑通，在通用推理场景达成1.5×-1.73×加速，延迟敏感场景最高1.96×，和英伟达GPU上的加速幅度一致。DeepGEMM仓库也同步开源了MegaMoE的CUDA版本。DeepSeek把这称为"production-level inference dual-platform validation"（生产级推理双平台验证）。
训练侧的故事要复杂一些。Reuters此前的报道说V4可能是在英伟达Blackwell上训练的，The Information则爆料DeepSeek获取了数千张通过第三国拆解走私进入中国的高端芯片（Nvidia和DeepSeek都否认了这一说法）。Jensen Huang在Dwarkesh播客上公开警告，如果DeepSeek把模型专门优化到昇腾芯片上，"对美国是个糟糕结果"。真实情况大概率介于两者之间。训练仍主要依赖英伟达GPU，但推理栈、算子库、通信库都在向CANN迁移。
这条"换芯"路径的真实意义在软件层。CUDA的二十年霸主地位建立在两层软件锁上：芯片是一层，算子库和编译器生态是第二层。DeepSeek花几个月改写核心代码适配CANN，等于在软件锁上凿出一个口子。163.com援引维金研究的观点：如果DeepSeek未来一到两年内能在昇腾上跑通推理和训练的全栈软件，核心模型开发管线就能事实上脱离CUDA。
这条路本身就是高风险的。模型跳票、社区议论、用户流失都是代价。但这个代价换来的东西远不止V4一个模型的交付，更是一条新的技术主权路线的验证。
跳票、出走、被写进讣告之后交卷
DeepSeek过去15个月外部舆论的反复，在V4发布当天戛然而止。
2025年年中到下半年，郭达雅和罗福莉等核心研究员先后出走字节和小米。The Information从2月开始反复爆V4发布窗口，2月、3月、4月每次都落空。DeepSeek官方的回应永远是沉默。豆包月活冲到1.57亿登顶中国AI应用榜首，DeepSeek退居第二。Anthropic在2月23日公开指控DeepSeek通过15万+账号对Claude做过"工业级蒸馏"以构建自己的奖励模型，虽然争议巨大，但至少说明DeepSeek的数据管线的复杂度已经到了值得对手专门报告的程度。
4月中旬，DeepSeek启动成立以来第一次外部融资，估值不低于100亿美元，拟筹集至少3亿美元。阿里、字节、腾讯等大厂提前预订了数十万张下一代AI芯片，据称价格因此被推高了20%左右。这些动作叠加在一起，说明跳票期间DeepSeek在多线同时加码，远不是停滞。
V4发布当天，DeepSeek在推特上贴出了《荀子》里的一句话："不诱于誉，不恐于诽，率道而行，端然正己。"这句话不煽情，但切题。它表达的意思是"按自己的节奏走"，不是"我们憋了个大的"。
节奏本身是一种选择。
主流AI公司通常是产品节奏驱动，季度发布会、年度Keynote、benchmark刷榜是标准动作。DeepSeek选了另一套节奏：论文打节拍，模型压正拍。V3.2-Exp的冷淡收场、mHC论文的元旦前夜、Engram论文的中旬空降、V3.2正式版冲IMO金牌，每一个看似独立的事件，事后都能在V4技术报告里找到对应位置。
这种节奏有一个很容易被忽视的副产物：对开源社区的技术预埋。mHC发论文后，tokenbender在GitHub上做了研究级PyTorch实现；Engram仓库开源权重和代码，Substack博客、Medium深度拆解、Tom's Hardware专题文章接连出现。到V4正式发布时，整个社区对底层架构的理解已经非常深入，不需要DeepSeek再花一场发布会去科普。
这是一种更成熟的工程思维：把一次大版本拆解成多个可独立验证的里程碑，每个里程碑都在学术共同体的监督下完成。社区帮你检验技术可行性，你按自己的节奏完成系统集成。
V4的位置：开源第一，闭源还差一截
V4的真实技术水位需要放到当下的基准测试里看。以DeepSeek自己公布的技术报告数据：
V4-Pro-Max在Codeforces上拿到3206分，超过GPT-5.4 xHigh的3168分和Gemini 3.1 Pro High的3052分，这是竞赛编程第一次被开源模型拿下。LiveCodeBench、Apex Shortlist也都领先。数学方面，HMMT 2026 Feb 95.2、IMOAnswerBench 89.8。
但代码工程领域的表现就复杂多了。SWE-Bench Verified打平80.6，和闭源旗舰平齐；SWE-Bench Pro拿到55.4，被Kimi K2.6的58.6压了3分；Arena Code榜上K2.6领先73 Elo。换句话说：短代码生成和竞赛题，V4-Pro-Max第一；真实GitHub仓库级的bug修复和长程agent任务，Kimi K2.6更强。
长上下文检索是另一个硬伤。MRCR 1M上V4-Pro 83.5，Opus 4.6拿到92.9；CorpusQA 1M上V4-Pro 62.0，Opus 4.6是71.7。1M上下文V4是扛住了，但检索精度离Opus还差一截。GDPval-AA经济价值评分上，V4-Pro 1554，GPT-5.4 1674，Opus 4.6 1619。知识工作的经济价值维度，闭源模型仍然领先。
V4真正的"杀手锏"不是跑分，是成本曲线。Kingy AI的分析里有一句讲得挺准：V4是第一个让routine 1M token上下文在经济上变得现实的开源模型。1M context下V4-Pro推理FLOPs只占V3.2的27%，KV缓存只占10%，Flash版更极端。API定价Pro版约1.74/3.48美元每百万输入/输出token，Flash版12倍便宜。V4-Flash的价格甚至和DeepSeek V2发布时（2024年6月）持平。
这是个相当激进的价格锚。Opus 4.7是5/25美元，GPT-5.5更贵。V4把开源旗舰的价格和闭源顶级模型的价格差又拉开了一个数量级。
所以V4是不是"重新定义了行业"？诚实的答案是：没有。闭源顶级模型在agent任务、长上下文检索、知识工作经济价值上依然领先。但在"能不能用得起"这个问题上，V4把开源能做到的极限又往前推了一大步。
蛰伏的真正含义
回到开头那个问题：DeepSeek是不是在沉默？
V3.1 → V3.1-Terminus → V3.2-Exp → V3.2 → V3.2-Speciale，这条轨迹本身就是持续迭代的中间版本链，够不上"沉默"的评价。mHC、Engram、DSA三篇论文加一个FlashMLA代码库，做的是把架构创新拆成学术工件逐件交付，远不止"突击发布前的预热"。跳票三次、核心员工流失、排名被超越，这些都是代价，但停滞没有在数据上成立。
蛰伏不是躺平。蛰伏是选择不和别人保持同一个节奏。
这和主流模型厂商的打法是两套逻辑。
主流打法追求每季度新闻周期，追求benchmark榜首位置，追求用户感知的迭代速度。DeepSeek的打法追求的是另一个东西：用论文把社区变成自己的质检员，用开源把生态变成自己的分发渠道，用时间换架构的成熟。
V3.2-Exp发布时跑分不亮眼，当时被轻视。现在回头看，那是V4地基的浇筑现场。mHC论文发元旦当天，被当成"又一篇DeepSeek论文"刷过去。现在回头看，那是V4深度训练稳定性的最后一块拼图。Engram论文发1月12日，被很多人归为"有趣但不知道怎么用"。现在回头看，那是V4长上下文检索的理论来源。
把这些事件按时间串起来，再对照V4发布当天的技术报告，蛰伏这个词的真正含义就出来了。它描述的是一种关于技术信心的长期投资，而不是"等待时机"的被动姿态。你把单点创新拆散了发在学术社区，赌的是社区的检验能帮你验证它能不能走得通；你把模型节奏压在架构成熟度上，赌的是一次完整的交付比十次追热点更有价值。
4月24日这天DeepSeek交了卷。Pro版1.6万亿参数，Flash版284B，100万token上下文，CSA+HCA混合注意力，mHC流形约束超连接，Muon优化器，MegaMoE双平台推理内核，MIT开源。技术报告结尾那句《荀子》能当成过去15个月选择的注脚。
