DeepSeek V4深度：一次注意力机制的结构性颠覆

DeepSeek发布V4预览版，同步开源。公告里有一句话：

"从现在开始，1M（一百万）上下文将是DeepSeek所有官方服务的标配。"

OpenAI和Google早就支持超长上下文了。问题是成本。Transformer注意力机制的计算量随序列长度平方增长——序列翻倍，算力变四倍——处理100万token在传统架构下几乎无法商业化。

技术报告给出了这次架构改动的幅度：在1M token场景下，V4-Pro的单token推理FLOPs只有V3.2的27%，KV缓存用量只有10%。

两把刀

标准Transformer的自注意力，要让每个token跟序列里所有其他token算相关性权重。这是平方复杂度，结构性的，不是工程调优能解决的。

过去的应对方式大体分两类：要么切掉计算范围（滑动窗口只看局部邻居，全局感知随之消失），要么绕开长文本本身（RAG先检索再喂给模型，检索质量成为新的上限）。还有固定稀疏注意力，人工设计稀疏模式来跳过部分计算，但模式是死的，不同任务的信息分布差异大，泛化能力有限。

V4的方案是CSA + HCA混合注意力架构。

CSA（Compressed Sparse Attention）解决的是"算什么"。用轻量级索引器先对所有token对做粗筛，快速估算相关性排序，再精选出需要完整计算的token集合。关键在于这套稀疏结构是可训练的——模型在训练过程中自己学出哪里需要高密度注意力，哪里可以稀疏。V3.2时代的DSA是雏形，V4在此基础上做了进一步演化。

HCA（Heavily Compressed Attention）解决的是"存什么"。在V3时代MLA（Multi-head Latent Attention）的基础上继续推进，把KV向量映射到低维潜空间，推理时解压。叠上FP4+FP8混合精度——MoE专家参数用FP4，其余用FP8——KV缓存的显存占用再砍一半。

两者叠加的效果，直接体现在那两个数字：27%的FLOPs，10%的KV缓存。换算过来，同等算力下能服务的长上下文并发量大约是原来的3到4倍。

技术报告里还有两个细节值得记一下。mHC（Manifold-Constrained Hyper-Connections）对残差连接做了流形约束强化，针对的是1.6T参数超深度模型训练时跨层信号衰减的问题。Muon优化器替代了Adam系列，基于矩阵正交化更新，在超大规模训练里收敛更快，更稳定——Adam在大模型训练里几乎是默认配置，DeepSeek这次换掉了它。

数字

官方给出了与Claude Opus 4.6、GPT-5.4 xHigh、Gemini 3.1 Pro High的全维度横评。

数学和竞赛推理是V4-Pro表现最突出的维度。Codeforces评分3206，四家最高（GPT-5.4是3168，Gemini和V4-Flash都是3052）。Apex Shortlist 90.2，超过Opus 4.6（85.9）、GPT-5.4（78.1）、Gemini（89.1）。IMOAnswerBench 89.8，仅次于GPT-5.4（91.4）。

Agent能力上，SWE Verified 80.6，Opus 4.6是80.8。Toolathlon 51.8，Opus 4.6是47.2，GPT-5.4是54.6。公告里有一句内部评价：V4已成为员工Agentic Coding的主力模型，"使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式"。

长上下文测评有两个数字要对比着看：MRCR 1M（长文本关键信息检索）83.5，Gemini是76.3，Opus 4.6是92.9。CorpusQA 1M（长文档精准问答）62.0，Opus 4.6是71.7。MRCR侧重检测关键信息是否存在，CorpusQA要在百万token里精准定位并综合分析——两个测评的分化放在一起，说明的东西自然清楚。

综合知识和科学前沿推理：SimpleQA-Verified 57.9，Gemini是75.6。HLE（前沿科学推理超难题集）37.7，四家里最低。

V4-Flash：284B总参数，13B激活，约为Pro版18%的体量，同样支持1M上下文和Think/Think Max推理模式。官方说简单Agent任务上与Pro"旗鼓相当"。

DeepSeek把这次发布叫"预览版"，技术报告标题里写的是"Towards"——朝向，还在路上。CSA和HCA的设计逻辑今天已经公开，稀疏训练机制在不同任务分布下怎么表现，是接下来开源社区会告诉我们的事。

数据来源：DeepSeek官方公告《DeepSeek-V4 预览版：迈入百万上下文普惠时代》（2026年4月24日）；技术报告 DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence