四川
大多数AI公司发布新模型时，都会精心挑选那些自己能赢的基准测试，然后宣称"领先业界"。
DeepSeek没有这样做。
2026年4月24日，这家中国AI公司发布了两款新模型V4-Pro和V4-Flash，随附的技术报告里写了一句罕见的实话：V4-Pro-Max"略逊于GPT-5.4和Gemini-3.1-Pro，这表明其发展轨迹比目前最先进的模型落后约3到6个月"。
在一个充斥着自我吹嘘的行业里，这种坦诚本身就是新闻。
前沿模型的迭代速度，用"日新月异"来形容并不夸张。过去一年，OpenAI、谷歌和Anthropic几乎每隔几个月就会推出足以重塑业界认知的新版本。在这个背景下，"落后3到6个月"不是一个令人难堪的承认，而是一个值得细细品味的信号。
它意味着：DeepSeek今天的旗舰产品，大约相当于美国顶尖实验室半年前的水平。
而半年前，那个水平就已经是当时公认的全球顶尖。
从具体数据看，这个差距并非均匀分布。在编程能力上，V4-Pro-Max表现出色，Codeforces评分高达3206，超过GPT-5.4的3168和Gemini-3.1-Pro的3052，LiveCodeBench得分93.5同样傲视同侪。在数学推理方面，IMOAnswerBench得分89.8，HMMT 2026测试得分95.2，同样极具竞争力。
差距最明显的地方，集中在世界知识和事实检索领域。SimpleQA-Verified得分为57.9，而Gemini-3.1-Pro高达75.6，差距接近18个百分点。DeepSeek在技术报告中直接承认，V4-Pro-Max在"丰富世界知识"方面落后于Gemini-3.1-Pro。
这种选择性坦诚值得注意：能赢的地方展示数据，输了的地方主动认账，而不是回避。Fortune杂志的报道指出，这恰恰是让DeepSeek的技术报告在业界得到更高信任度的原因之一。
讨论DeepSeek的性能，绕不开它所处的硬件环境。
美国对华出口管制已大幅限制中国企业获取最先进AI芯片的渠道。DeepSeek据报道拥有约5万块英伟达H100显卡，这个数字看似可观，但与OpenAI和谷歌动辄数十万块的计算规模相比，不在同一量级。
英伟达CEO黄仁勋此前曾称DeepSeek是"全球领先的开放模型公司"，这句评价的潜台词正是：在受限的计算条件下，DeepSeek的效率令人叹服。
V4-Pro在架构上采用了混合专家模型（MoE），总参数量约为1万亿，但激活参数仅约370亿，极大降低了推理成本。更值得关注的是，这款模型是首批专门针对非英伟达硬件进行优化的前沿模型之一，甚至可以在华为昇腾芯片上高效运行。这一设计选择，明显是在为出口管制进一步收紧做准备。
价格是这张成绩单上最刺眼的数字。V4-Pro-Max的API调用价格为每百万输入token 1.74美元，输出token 3.48美元，比GPT-5.4便宜约8倍，比Claude Sonnet 4.6便宜约10倍，输出端差距更达20至30倍。对于构建生产系统的企业开发者而言，这个价差足以改变选型决策。
VentureBeat的分析将其描述为"以1/6的成本实现接近最顶尖的智能"，这或许是对DeepSeek V4最精准的商业定位。
在智能体任务上，差距已几乎消弭。SWE-Verified测试中，V4-Pro-Max得分80.6，与Claude Opus 4.6的80.8和Gemini的80.6几乎持平，在工具调用能力测试Toolathlon上也超越了两者。这意味着，在AI落地最快的代码生成和自动化场景中，DeepSeek已经站上了同一条起跑线。
这里还有一个更宏观的背景：DeepSeek并非孤立前行。阿里巴巴Qwen系列在全球已积累超过7亿次下载，Moonshot AI的Kimi K2持续推动开源边界，整个中国AI生态正在系统性地扩张其全球影响力。DeepSeek的V4版本，是这场更大浪潮中的一朵浪头，而非偶然溅起的水花。
"落后3到6个月"这句话，既是当下的实情，也是对未来的暗示：这个差距，正在以肉眼可见的速度收窄。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
