双线作战！DeepSeek-V4 评测：Flash 屠价、Pro 冲顶，开源阵营这次真的变天了

DeepSeek 今天扔下了一颗重磅炸弹。

不是参数又刷榜了，也不是单纯”我们更强了”那种例行升级。这一次，DeepSeek-V4 直接玩了一手”双线作战”——一个旗舰 Pro，一个白菜价 Flash，两者都标配 100 万 token 上下文。换句话说，他们不仅把长文本的门槛拆了，还顺手把价格打到了地板上。

如果你只关心结论，那我现在就可以告诉你：Flash 做日常主力，Pro 做烧脑任务，这套组合拳可能是 2026 年开年以来开源模型阵营最狠的一次出牌。

两条产品线，一次把”贵”和”慢”都解决了

过去我们聊大模型，总觉得”强”和”便宜”是鱼和熊掌。DeepSeek 这次干脆不选了，直接出了两个模型：

DeepSeek-V4-Pro 是门面担当。1.6 万亿总参数，每次激活 490 亿，预训练数据超过 32T tokens。官方定位很明确：复杂代码、多步骤推理、Agent 自动执行、超长文档分析——那些真正”烧脑”的活儿，归它。

DeepSeek-V4-Flash 则是走量神器。2840 亿总参数，激活 130 亿。参数看着比 Pro 小一圈，但胜在便宜、快、能吃下长文本。普通聊天、批量生成内容、客服、轻量 RAG，Flash 完全能扛。

更关键的是，两者都支持 1M token 上下文，最大输出可达 384K。这意味着你可以把一整本书、一个完整代码库、或者几万条日志直接丢进去，而不用像过去那样掐着 token 数过日子。

价格离谱到什么程度？

先上数字，单位都是每百万 token：

看比例可能没感觉，我们算笔账：如果你要处理 10 万输入 + 1 万输出，且缓存未命中：

• Flash 只要 约 $0.017
• Pro 要 约 $0.21

Pro 大概是 Flash 的 12.4 倍价格。 但即便如此，Pro 对比 Claude 3.7 Sonnet 或 GPT-4.5 这类闭源旗舰，仍然便宜得像是白送。

所以策略极其清晰：默认 Flash，难题切 Pro。 做 SEO 批量页面、摘要流水线、客服机器人、普通代码辅助，Flash 就是生产环境的首选；只有遇到代码库级重构、复杂 Agent 链、竞赛编程或者科研推理，才值得请 Pro 出场。

分数好看，但别只看总分

官方放出的 benchmark 里，有几个数字特别值得细品。

Flash 不是”廉价弱智版”——在 GPQA Diamond（科学推理）上，Flash-Max 拿到 88.1，Pro-Max 是 90.1，差距极小；LiveCodeBench 里 Flash-Max 91.6，Pro-Max 93.5。这说明只要给足思考预算（Think Max 模式），Flash 的推理能力非常能打。

但 Pro 的真正优势在”稳”和”深”。Terminal Bench 2.0（复杂 Agent 任务）里，Flash-Max 56.9，Pro-Max 直接拉到 67.9；MRCR 1M（百万 token 长上下文召回）里，Flash-Max 78.7，Pro-Max 83.5。越复杂的工具调用、越长的文档理解，Pro 的领先就越明显。

还有一个很多人忽略的点：中文事实性问答。Chinese-SimpleQA 上 Flash-Max 78.9，Pro-Max 84.4；SimpleQA verified 上差距更大，Flash-Max 34.1，Pro-Max 57.9。如果你做中文内容创作、知识问答、低容错的企业应用，Pro 的”靠谱程度”明显高出一截。

跟 GPT、Claude、Gemini 比，到底什么水平？

先说结论：代码、竞赛、Agent 方向已经非常接近甚至局部领先；纯知识准确率和最难的科学推理上，还是略逊于最顶级的闭源模型。

具体看几个硬指标：

• LiveCodeBench：Pro-Max 93.5，很强
• Codeforces 评分：Pro-Max 3206，已经进入竞赛级水平
• SWE Verified（真实软件工程任务）：Pro-Max 80.6
• MMLU-Pro：Pro-Max 87.5，与 GPT-5.4 xHigh 持平，但低于 Gemini-3.1-Pro High 的 91.0
• GPQA Diamond：Pro-Max 90.1，略低于 GPT-5.4 的 93.0 和 Gemini-3.1-Pro 的 94.3

所以更准确的描述不是”全面打爆闭源”，而是**”在开发者最关心的几个硬核领域，已经咬住了最前沿，同时价格只有闭源模型的几分之一”**。对于靠 API 吃饭的团队来说，这个性价比本身就是颠覆性的。

真正改变游戏规则的是”长上下文商品化”

1M token 上下文不是 DeepSeek 第一个提出来的，但它是第一个把这个能力做到如此便宜、如此开放的。

以前用 Claude 3 的 200K 或 Gemini 的 1M，心里总得掂量一下账单。现在 Flash 处理百万 token 输入，缓存未命中也就 $0.14\text{，输出}$0.14，输出0.28。这意味着整本书的 RAG、大规模日志分析、超长论文综述，从”奢侈品”变成了”日用品”。

官方还强调了一个技术细节：在 1M token 场景下，V4-Pro 相比 V3.2 只需要 27% 的单 token 推理 FLOPs 和 10% 的 KV cache。这不是单纯堆参数，而是把长文本的”油耗”真正降下来了。

产业层面的信号：开源逼近闭源，国产算力闭环

这次发布还有一层容易被忽略的意义。

V4-Pro 的代码和 Agent 能力已经逼近闭源前沿，而 Flash 把高质量推理打到了极低价格。开源/开放权重阵营正在从”够用”走向”好用”，甚至在部分场景超越”好用”。开发者生态的重心，可能因此发生微妙但深刻的迁移。

另外，路透社报道称 V4 已适配华为 Ascend 芯片，华为也参与了部分训练支持。这和 DeepSeek 过去更依赖 Nvidia 的路径形成了鲜明对比。无论你怎么看地缘政治，一个事实是：中国 AI 生态正在加速构建”国产算力闭环”，而 DeepSeek-V4 可能是这个闭环里目前最硬核的模型。

我的使用建议（可以直接抄作业）

1. 默认用 Flash，别浪费钱

聊天、摘要、标签分类、文章改写、轻量代码、批量内容生成、客服——Flash 开 thinking 后能力足够惊艳，价格却低到可以忽略不计。

2. 复杂任务再切 Pro

代码库级修改、多工具 Agent 链、复杂数学推导、长文档深度问答、低容错企业任务——Pro 的稳定性和知识深度值得溢价。

3. 别无脑开 Think Max

Think Max 分数最高，但 token 消耗和延迟也会飙升。建议做路由：简单任务 Non-think，中等任务 Think，只有高价值或失败重试时才上 Max。

4. 现在仍是 Preview，保持观察

官方自己都叫 Preview，独立评测还在路上。我的判断是：V4 已经是开源阵营的第一梯队，但”全面超越最强闭源”这句话，现在还不敢替 DeepSeek 说。

一句话收尾

DeepSeek-V4 不是一次普通的版本迭代，而是一次”长上下文民主化”的宣言。当 Flash 能把百万 token 推理打到几毛钱，当 Pro 能在代码竞赛里跟 GPT-5.4 掰手腕，开源模型和闭源巨头之间的那道墙，已经越来越薄了。

对普通开发者和内容创作者来说，最务实的策略只有一个：让 Flash 成为你的默认引擎，把 Pro 留给你真正想惊艳全场的时刻。

参考文献与链接

1. DeepSeek API 官方文档 – V4 Preview 发布说明：https://api-docs.deepseek.com/news/news260424
2. DeepSeek API 定价页面：https://api-docs.deepseek.com/quick_start/pricing
3. Hugging Face – DeepSeek-V4-Pro 模型卡：https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro
4. AP News – DeepSeek 发布 AI 模型更新：https://apnews.com/article/d2ed33f2521917193616e061674d5f92
5. Simon Willison’s Weblog – DeepSeek V4 评测：https://simonwillison.net/2026/apr/24/deepseek-v4/
6. Reuters – DeepSeek 预览适配华为芯片的新 AI 模型：https://www.reuters.com/technology/chinas-deepseek-returns-with-new-model-year-after-viral-rise-2026-04-24/
7. The Verge – DeepSeek V4 AI 模型预览报道：https://www.theverge.com/ai-artificial-intelligence/918035/deepseek-preview-v4-ai-model