DeepSeek V4 發布：1.6 兆參數開源模型挑戰 GPT-5，還跑在華為晶片上

2026 年 4 月 24 日，DeepSeek 正式發布 V4 系列——距離他們以 DeepSeek-R1 震驚矽谷剛好過了一年。這次他們帶來了更大的模型、更長的上下文、更激進的定價，以及一個對整個中美 AI 競賽都有深遠意義的技術細節：V4 是 DeepSeek 首款針對華為 Ascend 晶片最佳化的模型。

TL;DR

DeepSeek V4 有兩個版本：V4 Flash（輕量高速）和 V4 Pro（旗艦）。Pro 版本是目前最大的開源混合專家（MoE）模型，總參數量 1.6 兆，每次推論啟動 49B 參數，支援 100 萬 token 上下文。定價方面，V4 Flash 輸入 $0.14/M tokens、輸出 $0.28/M tokens，全面低於 GPT-5.4 Nano 和 Gemini 3.1 Flash。效能方面，V4-Pro-Max 宣稱在推理基準上超越 GPT-5.2 和 Gemini 3.0 Pro。

是什麼

DeepSeek V4 是 DeepSeek 2026 年的旗艦模型系列，採用混合專家架構（Mixture of Experts, MoE）。MoE 的核心概念是：模型雖然有龐大的總參數量，但每次推論只會「啟動」其中一小部分的專家子網路，讓計算成本可以維持在比 dense 模型低得多的水準。

版本	總參數	活躍參數	上下文視窗	定價（輸入/輸出）
V4 Flash	未公開	未公開	1M tokens	$0.14 / $0.28 per M tokens
V4 Pro	1.6T	49B	1M tokens	未公開
V4-Pro-Max	1.6T	49B	1M tokens	未公開

100 萬 token 的上下文視窗允許將完整的大型程式碼庫或長文件放進單一 prompt。這對需要跨多個檔案理解的程式碼任務尤其有用。

為什麼重要

開源定價的天花板再度下探

V4 Flash 的定價全面低於 GPT-5.4 Nano、Gemini 3.1 Flash、GPT-5.4 Mini 和 Claude Haiku 4.5。這是 DeepSeek 一貫的策略：用遠低於市場的定價施壓 OpenAI 和 Google，同時靠開源版本讓社群自行部署，進一步擠壓競爭對手的商業空間。

效能宣稱

DeepSeek 宣稱 V4-Pro-Max 在推理基準上超越 GPT-5.2 和 Gemini 3.0 Pro，並在編碼基準上取得頂尖成績。需要注意的是，這些數字目前主要來自 DeepSeek 自己公布的評測，獨立第三方的全面評測仍在進行中。

歷史參考：DeepSeek-R1 去年的宣稱效能大致上獲得了社群驗證，因此 V4 的數字值得認真對待，但仍需觀察。

華為 Ascend 最佳化：地緣政治的技術分水嶺

這是這次發布中最具戰略意義的細節，卻在技術報導中最容易被忽視。

美國對 Nvidia GPU 的出口管制迫使中國 AI 公司尋求替代硬體。DeepSeek V4 是他們首款正式宣稱針對華為 Ascend 晶片最佳化的模型。如果這個最佳化的實際效能達到宣稱水準，它將是一個重要的技術里程碑：中國頂尖 AI 公司有能力在不依賴 Nvidia A100/H100/H200 的情況下訓練和部署最前沿的模型。

這對台灣的半導體產業同樣值得關注：如果華為 Ascend 生態逐漸成熟，它代表的是一條與台積電主要服務的 Nvidia-TSMC 供應鏈平行的路徑正在成形。