DeepSeek新发布：远低于GPT 5.4和Opus 4.6

2026年4月24日，DeepSeek一口气发布了两款新模型，V4-Pro和V4-Flash，宣布以每百万输出token仅3.48美元和0.28美元的价格，提供与Claude Opus 4.6和GPT-5.4相当的性能。

对比一下就明白这个数字的冲击力：Claude Opus 4.6的输出价格是每百万token 25美元，GPT-5.4是15美元。也就是说，DeepSeek V4-Pro的定价比这两个顶级闭源模型便宜了80%到86%，而性能在多数基准测试中几乎并驾齐驱。

这不是第一次了。DeepSeek早在R1模型发布时就用同样的方式震撼了行业，那次成本差距高达90%，直接导致英伟达股价单日蒸发数千亿美元市值。

这一次，DeepSeek选择了"卷土重来"。

两个模型，各司其职

V4-Pro是这次发布的旗舰产品，规模相当庞大，总参数量1.6万亿，活跃参数490亿，基于33万亿token的数据预训练而成。V4-Flash则轻巧许多，总参数2840亿，活跃参数仅130亿，但依然共享100万token的超长上下文窗口，两款模型均完全开源。

在架构层面，DeepSeek引入了自研的DSA稀疏注意力机制，结合token压缩技术，使得百万级上下文推理成为默认选项，而不是需要额外付费的高级功能。这一点在行业内颇为罕见，大多数服务商要么对长上下文设置使用门槛，要么单独收费。

V4-Flash与V4-Pro之间的性能差距比外界预期的小得多。在MMLU-Pro测试中，两者相差仅1.3个百分点；SWE-Verified软件工程任务测试中，差距不到2个百分点。真正出现明显分化的，是Terminal Bench（复杂多步骤工具使用）和SimpleQA（事实记忆检索）这两项测试，V4-Flash在这里的表现明显弱于V4-Pro。对于大多数日常开发场景来说，V4-Flash已经完全够用，而不只是个简配版替代品。

基准数字背后的真相

DeepSeek发布的基准测试数据相当详细，直接与全球顶级闭源模型进行对比，逐项摊开来看，结果相当有说服力，但并非全面碾压。

在编程领域，V4-Pro是毫无争议的赢家。LiveCodeBench得分93.5，领先于Gemini-3.1-Pro（91.7）和Claude Opus 4.6（88.8）；Codeforces竞技编程评分3206，同样超越了GPT-5.4（3168）和Gemini（3052）。

数学推理方面，V4-Pro同样表现亮眼，IMOAnswerBench得分89.8，大幅领先Claude（75.3）和Gemini（81.0），仅略逊于GPT-5.4的91.4分。

相对薄弱的领域是"丰富的世界知识检索"。在HLE（人类最后的考试）测试中，V4-Pro得分37.7，低于GPT-5.4（39.8）、Claude（40.0）和Gemini（44.4）；SimpleQA-Verified测试中，V4-Pro以57.9分落后于Gemini的75.6分。DeepSeek在技术文档中坦承了这一差距，表示这是V4-Pro目前已知的能力边界。

这种坦诚本身值得关注。一家愿意在发布文档中直接写明自己弱点的公司，往往比那些只展示精选测试结果的公司更值得信任。

价格战的连锁效应

这场价格冲击已经不是DeepSeek第一次发动，但每一次它依然有效。

R1发布后，OpenAI在极短时间内向免费用户开放了高级模型。这一次，V4的定价压力落在了企业市场和API开发者群体上，因为在那些场景里，每百万token的价格直接决定产品是否具有商业可行性。

值得关注的是，此次V4-Pro已与Claude Code、OpenClaw和OpenCode等主流智能体框架完成集成，这说明DeepSeek已经不再满足于跑基准分，而是着眼于真实的开发者工作流。当一个开源模型以同等性能嵌入到开发者每天使用的工具链中，闭源模型的溢价逻辑就会受到真实的挑战。

DeepSeek自2023年成立至今走过了一条并不平坦的路。R1的爆红之后，阿里巴巴的Qwen系列逐渐追上并在部分测试中超越了它。这次V4双模型的同步发布，被外界解读为DeepSeek重新夺回技术话语权的一次主动出击。

不管最终市场格局如何演变，V4的出现已经在事实上重新设定了行业对"顶级AI模型应该卖多少钱"这个问题的预期。