DeepSeek V4细节曝光，原生多模态+100万长文本，万亿参数“海狮”浮出水面
不仅是模型迭代，而是国产 AI 与国产算力的双向奔赴。
春节刚过，AI 圈呈现出一种暴风雨前的宁静。
虽然万众期待的 DeepSeek V4 并未如期在除夕夜发布，但其体量依然能从 GitHub 的提交记录窥见一二，在 Reddit 和 X（前推特）的开发者社区中，关于它的传说已经传疯了。
就在刚刚，塔猴总结多方信息后得出结论：V4 打破行业惯例，拒绝向英伟达开放预览，死磕国产算力适配，代码能力更是直接飙到了 HumanEval 90%。
据泄露信息显示，代号为海狮轻量版的 V4 预览版正在 NDA（保密协议）下进行高强度的灰度测试。
这一次，DeepSeek 似乎不想再做跟随者。100 万 Token 的超长上下文窗口、原生多模态能力，以及针对国产硬件的极致优化，都在释放一个强烈的信号。
这是一场国产 AI 软件与国产算力硬件的双向奔赴。
塔猴第一时间梳理了关于 DeepSeek V4 的所有爆料，带你提前看清这只刚刚露出水面的深海巨兽。
一、断供美国芯片商，优先适配国产算力
在 AI 大模型圈，一直有个潜规则：任何顶级模型发布前，开发者通常会优先向英伟达或 AMD 等美国芯片巨头提供预览版，以确保模型在 CUDA 生态下的性能表现。这是技术验证，也是带有江湖气息的拜码头。
但这一次，DeepSeek 选择了反其道而行。
据路透社的最新爆料，DeepSeek V4 在闭门测试阶段，并未向美国芯片制造商提供预发布版本，而是优先给予了华为等中国本土供应商几周的早期访问权。
这一反常操作的逻辑，并非狂妄，而是极致的务实。
知情人士透露，DeepSeek 此举旨在利用发布前的最后窗口期，与国产算力平台（如昇腾系列）进行深度联调。目标非常明确：要证明 DeepSeek 的高效率架构，即使不依赖 H100 集群，在国产硬件上也能跑出极致的推理性能。
华为昇腾系列发布会
时间线也印证了这一点。据悉，早在农历新年前后，DeepSeek 内部就已经开始了与国产硬件厂商的联合调试，确保 V4 正式发布时，国内开发者能做到开箱即用，不再受制于人。
二、解密海狮：原生多模态 + 百万长文本
除了战略上的转向，DeepSeek V4 在产品力上的升级更是可以用"炸裂"来形容。
据多位参与内测的开发者泄露，V4 确认为万亿参数级别的巨型基础模型。而且得益于 DeepSeek 一贯擅长的 MoE（混合专家）架构，其推理成本依然被控制在极低水平。
相比于 V3，V4 带来了三大跨越式升级：
1. Context 暴涨：百万长文
V4 的上下文窗口从 V3 的 128K 直接拉升至 100 万 Token。
这意味着它不再只是读代码，而是能一次性吃下整个中型项目的代码库，并在此基础上进行全局重构，且不丢失逻辑智商。
2. 原生多模态：SVG 生成能力惊艳
不同于市面上许多拼凑型多模态模型，V4 被曝具备 Native Multimodal 能力。
最直观的反馈来自内测用户对 SVG 矢量图生成的评价。一位代号为 @marmaduke091 的测试者在社交媒体上表示，V4 在生成复杂逻辑的矢量图形时，“设计逻辑吊打当前 Web 版模型”，展现出了极强的视觉理解力。
3. 代码之王：数据碾压 GPT-5.2
V4 被明确定位为代码核心模型。
内部泄露的基准测试数据显示，V4 在代码生成领域的权威榜单 HumanEval 上，跑分惊人地飙升到了 90% 以上；在更复杂的 SWE-bench Verified 测试中，得分也超过了 80%。
如果数据属实，意味着 DeepSeek V4 在编程能力上已经实质性超越了 GPT-5.2。
内部泄露的 SWE-bench Verified 测试数据
更有内测用户形容，V4 Lite 版本在执行代理任务时比 V3 敏捷得多，响应风格非常类似 GPT-4，但速度更快，仿佛随时准备接管你的 IDE。
三、GitHub 的疯狂更新
虽然模型还没发，但代码不会骗人。
塔猴化身侦探，深扒了 DeepSeek 官方 GitHub 仓库在 2026 年 1 月至 2 月期间的提交记录。虽然没有直接发布 V4 的代码，但周边的密集更新已经泄露了天机，一切都在为 V4 的超大规模推理铺路。
核心线索一：Engram 架构
1 月中旬，DeepSeek 悄然更新了与 Engram 相关的代码。相关论文显示，这是一种条件内存扩展技术。
它极有可能是 V4 实现 100 万长文本且不掉速的关键。Engram 架构就像是给大模型装上了一个高效的海马体，解决了长文本任务中记不住和算得慢的永恒矛盾。
核心线索二：FlashMLA
2 月 6 日，FlashMLA（高效多头潜在注意力内核）仓库更新。这套内核专为 H800 及同类国产算力架构优化，目的只有一个：在硬件受限的情况下，通过极致的软件优化，榨干每一滴显存和算力。
核心线索三：3FS 与 DeepGEMM
就在昨天（2 月 25 日），高性能分布式文件系统 3FS 和矩阵乘法内核 DeepGEMM 再次迎来更新。这暗示了 V4 对超大规模分布式训练和推理的极度渴求，DeepSeek 正在构建一套从底层文件系统到上层算力调度的完整护城河。
DeepSeek V4 架构对比图
四、商业冲击：成本仅 GPT-5 零头
DeepSeek 最可怕的地方，从来不是它有多强，而是它有多便宜。
在此次泄露的信息中，V4 再次扮演了价格屠夫的角色。
在训练端，业内预估 DeepSeek V4 的训练成本仅为 1000 万美元左右。相比之下，传闻中 GPT-5.3 的训练费用高达数亿美元。DeepSeek 再次用实战证明了算法效率 > 堆算力的中国智慧。
在推理端，V4 的推理成本预计比西方主流模型低 10-40 倍。
但最大的惊喜在于硬件门槛的降低。泄露信息显示，经过量化后的 V4（或其蒸馏版），有望在双路 RTX 4090 甚至高端国产消费级显卡上流畅运行。
这意味着，中小企业、科研机构甚至个人开发者，不再需要依赖昂贵的云端 API，也不必担心数据隐私泄露。只要在本地搭几张显卡，就能拥有一个媲美甚至超越 GPT-5.2 的私有化编程助手。
五、结语
回看 DeepSeek V3，它让我们看到了国产大模型平替世界顶流的希望。
而即将到来的 DeepSeek V4，则显露出了更大的野心，它试图证明超越的可能。
V4 的延迟发布，从除夕推到现在，或许正是为了憋这一口"国产算力完美适配"的大招，实现国产生态的突围。
GitHub 上那些密密麻麻的代码提交记录，实则是 V4 半夜的磨刀声。当 AI 不再完全依赖昂贵的英伟达集群，当万亿参数的模型能跑进千家万户的机箱，真正的 AI 商业化元年才算正式到来。
下周，让我们拭目以待，看看这只海狮能否掀翻硅谷的巨轮。
