书名：一本书读懂DeepSeek-V4
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
编 著 @五里墩茶社
责任编辑 胡俊英
人民邮电出版社出版发行 北京市丰台区成寿寺路11号
邮编 100164 电子邮件 315@ptpress.com.cn
网址 http://www.ptpress.com.cn
读者服务热线：(010)81055410
反盗版热线：(010)81055315
2026年4月，DeepSeek-V4重磅发布，重新定义了开源大模型的能力边界。但扑面而来的架构创新、训练细节与跑分数据，也让不少普通读者望而却步。
本书旨在扮演“解码器”的角色，将论文中的核心价值点逐一筛选出来，并通过简洁易懂的语言加以解读。全书分为三部分：核心知识（V4到底是怎样炼成的？成本为什么能这么低？）、扩展专题（V4为何深度绑定昇腾？国产算力走到哪一步了？）、洞察与展望（V4还有哪些短板？接下来会发生什么？）。
无论你是AI爱好者、技术从业者，还是关注国产算力进展的观察者，都能通过本书快速读懂DeepSeek-V4的技术精髓与产业意义。
2026年4月24日，DeepSeek开源V4系列的消息出现在技术社区时，很多人的第一反应是：一个开源模型，真的能在代码、数学、推理这些硬核能力上，和闭源前沿站在同一水平线上吗？
那天发布的，不仅是两个预览版模型（V4-Pro和V4-Flash），还有一份52页的技术报告。这份报告从架构创新、训练工程、后训练流程到跑分对比，覆盖面广、信息密度极高。它重新定义了“开源大模型能做到什么程度”，但也给普通读者留下了一个难题：52页的技术语言，如何看懂？
本书的目标并非翻译或评论，而是充当一个“解码器”——将论文中真正对普通爱好者有价值的信息筛选出来，用最易懂的语言重新表述，力求不依赖任何前置知识。
本书的目标读者覆盖以下人群。
• AI爱好者 —— 想了解前沿AI技术，但不打算啃论文。
• AI技术从业者 —— 需要快速对V4的关键变化有充分的了解。
• 关注国产算力的人 —— DeepSeek实现与华为昇腾的适配，是值得关注的产业信号。
全书结构分3个部分。
第1部分：核心知识（第1~10章 ）—— 沿论文叙事顺序展开：第1-2章先用四个关键数字与全景架构定位V4；第3-7章逐项拆解四件实质性的架构与训练改动；第8-10章看跑分、真实任务表现与长文档效率。读完这十章，可以对V4的能力上限和成本曲线形成判断。
第2部分：扩展专题（第11~13章） —— V4第1次跟华为昇腾深度适配，是这次发布最重要的产业信号之一。这一部分按“国产算力格局 → 昇腾950PR / Atlas A3超节点硬件 → 软件栈与产业意义”递进展开。
第3部分：洞察与展望（第14~15章） —— 整理论文自己承认的局限，以及读者读完之后可以做什么。
另外，本书提供3个附录，分别是术语表、数据附表和延伸阅读推荐，方便读者汇总关键信息，并进行拓展学习。
建议读者可以按顺序阅读，也可以选择感兴趣的专题阅读。每章开头的一句话会点明“本章的核心内容是什么”，章末的一段话会阐明“本章的内容对读者意味着什么”。
本书基于DeepSeek V4的官方技术报告与公开资料进行梳理和剖析，旨在把关键的技术要点阐释清楚，帮助大家更高效地把握V4的关键技术创新点和核心产品力。
了解DeepSeek-V4最快的方式是先记住4个数字。这4个数字把V4发布最关键的几件事都涵盖了 —— 模型规模、上下文长度、计算效率、开源协议。
V4系列的旗舰版叫V4-Pro，总参数1.6万亿（1.6 T[1]）。这是个什么概念？
在开源大模型中，Llama 3的总参数量是405 B[2]（4050亿），DeepSeek-V3的总参数量是671 B（6710亿），2025年年中发布的Kimi K2的总参数量是1 T（1万亿），2026年年初发布的智谱GLM-5的总参数量是745 B（7450亿）。V4-Pro把开源大模型的总参数量抬高到了1.6 T，比之前最大的开源模型大将近一倍。如果跟闭源大模型相比，1.6 T已经达到GPT-5.4和Claude Opus 4.6同级别的尺寸量级。
[1]T = Trillion，万亿。1 T = 10¹² 个参数 = 1000 B。后文凡T均指模型参数量级单位。
[2]B = Billion，十亿。1 B = 10⁹ 个参数。后文凡B均指模型参数量级单位。
1.6 T不是裸总参。V4-Pro是 MoE架构（Mixture of Experts，混合专家），实际每次推理只激活49 B参数（详见第2章）。这意味着虽然总参数量大，但单次推理的算法成本相对可控。
DeepSeek-V4同步发布的轻量版叫V4-Flash，其总参数量为284 B，单次推理激活13 B。它的定位是“小参高效、边缘可部署”，经过量化压缩后，普通配置的Mac Studio等设备也能在本地运行V4-Flash。
V4-Pro和V4-Flash两个版本共用同一套架构，V4-Pro追求峰值能力，V4-Flash追求成本与边缘可达性。
V4-Pro和V4-Flash两个版本的模型都原生支持100万token的上下文，大约相当于75万中文字 —— 三本《三体》同时读进去而且不忘记的长度。
这里“原生”两个字很关键。市面上不少模型也号称支持长上下文，但很多是后期“拉伸”出来的——模型预训练时只看到几万token，后期采用一些技巧拼接到128K或1M。这种“拉伸”往往伴随着“中段记忆掉信息”的问题。V4是在预训练时的数据集就被组织到1M长度，模型从一开始就在这个尺度上学习，长文档下的稳定性是从根本上得以保证的。
需要大家重点关注的第4个数字是效率。V4-Pro在1M上下文场景下，单token推理算力只有上一代V3.2的27%（下降73%）。4-Pro的推理成本仅为上一代的约四分之一。
这个数字最终会落到API价格上，也会落到云厂商提供V4服务的成本上。这意味着以前“贵得不敢用”的长文档场景（读一份合同、整本书、整个项目代码），V4之后会从“试一下”变成“日常可以用”。
还有一个关键的信息需要大家注意，那就是V4采用 MIT协议开源，商用、改动、自部署、二次发布都可以。模型权重在魔搭社区与DeepSeek官方仓库同步发布，任何人都能下载。
4个关键数字和一个开源协议放在一起，说明V4不是“实验室里发布的论文展品”，而是在普通用户手里能实际跑起来、用起来的模型，你可以试用、可以接API、可以自己部署，也可以拿权重做下游应用。
