Po 15 miesiącach oczekiwania DeepSeek w końcu ujawnia V4 Preview: kompleksowa analiza

W tym artykule omówiono cechy techniczne, wydajność i wytyczne dotyczące użytkowania DeepSeek V4, zapewniając kompleksową analizę kluczowych zalet tego nowego modelu językowego nowej generacji. Treść została napisana w przystępnym stylu, odpowiednim zarówno dla entuzjastów technologii, jak i deweloperów.

Słowa kluczowe: deepseek v4, oficjalna strona deepseek, tutorial deepseek, cena deepseek v4.

Data publikacji: 25 kwietnia 2026 r. Autor: DeepSeek HK

1. DeepSeek V4 Preview oficjalnie uruchomiony

24 kwietnia DeepSeek oficjalnie ogłosił uruchomienie V4 Preview. Ta ważna aktualizacja następuje 15 miesięcy po wydaniu V3.2, co stanowi kolejny ważny przełom w mapie drogowej technologii dużych modeli DeepSeek.

Według oficjalnego wprowadzenia, seria V4 obejmuje dwa modele MoE:

• DeepSeek-V4-Pro: 1,6 biliona całkowitych parametrów, 49 miliardów aktywowanych parametrów
• DeepSeek-V4-Flash: 284 miliardy całkowitych parametrów, 13 miliardów aktywowanych parametrów

Oba modele natywnie obsługują kontekst 1 miliona tokenów, co stanowi jakościowy skok w możliwościach przetwarzania długich tekstów. Warto zauważyć, że przy ustawieniach kontekstu 1M:

• FLOPy inferencji na token V4-Pro stanowią zaledwie 27% V3.2, przy pamięci podręcznej KV wynoszącej zaledwie 10%
• V4-Flash jest jeszcze bardziej ekstremalny, redukując te wskaźniki odpowiednio do 10% i 7%

Oznacza to, że mimo iż długość kontekstu została rozszerzona prawie 8-krotnie z 128K w V3.2 do 1M w V4, wymagania obliczeniowe na token faktycznie znacząco się zmniejszyły, osiągając zarówno możliwość długiego kontekstu, jak i przełom w wydajności inferencji.

Przedstawiciele DeepSeek wyraźnie stwierdzają, że V4 Preview jest pozycjonowany jako aktualizacja infrastruktury, głównie w celu przebudowy struktury kosztów długiego kontekstu, aby przygotować grunt dla następnego etapu skalowania w czasie testowania i zadań dalekiego zasięgu. Jego obecny poziom możliwości wciąż pozostaje za GPT-5.4 i Gemini-3.1-Pro, z trajektorią rozwoju wynikającą w przybliżeniu o 3-6 miesięcy za najnowocześniejszymi modelami zamkniętymi.

2. Dwa modele, trzy tryby inferencji: kluczowe cechy V4

2.1 Parametry modelu i zalety kosztowe

Największą zaletą serii V4 jest znaczna optymalizacja krzywej kosztów. Przy ustawieniach kontekstu 1 miliona tokenów:

• V4-Pro: FLOPy inferencji na token stanowią zaledwie 27% V3.2, pamięć podręczna KV zaledwie 10%
• V4-Flash: FLOPy inferencji na token stanowią zaledwie 10% V3.2, pamięć podręczna KV zaledwie 7%

To ulepszenie wydajności drastycznie obniża koszt inferencji dla kontekstu na poziomie milionów, zapewniając ekonomicznie opłacalne rozwiązanie dla przetwarzania długich tekstów, analizy dokumentów i innych scenariuszy.

2.2 System cen API

DeepSeek kontynuuje swoją konsekwentną strategię cenową o wysokiej wartości:

• V4-Pro: 1 juan za milion tokenów wejściowych (trafienie w pamięć podręczną) lub 12 (brak trafienia), 24 juanów za milion tokenów wyjściowych
• V4-Flash: 0,2 juanu za milion tokenów wejściowych (trafienie w pamięć podręczną) lub 1 (brak trafienia), 2 juanów za milion tokenów wyjściowych

2.3 Trzy poziomy intensywności inferencji

Każdy model oferuje trzy tryby inferencji, aby sprostać różnym wymaganiom scenariuszy:

1. Non-think: Tryb bezpośredniego wyjścia, najszybsza prędkość odpowiedzi
2. Think High: Zwykły tryb głębokiego myślenia, równowaga między szybkością a jakością
3. Think Max: Wstrzykuje silne instrukcje, maksymalizuje kontekst i długość wyjścia, uwalnia pełne możliwości modelu

Tryb Max znacząco poprawia wydajność modelu: wyniki V4-Pro-Max wzrastają z 34,5 do 37,7 w testach HLE oraz z 85,5 do 90,2 w testach Apex Shortlist, kosztem podwojenia liczby tokenów wyjściowych.

3. Wydajność w testach benchmark

Według oficjalnych danych testowych opublikowanych przez DeepSeek, seria V4 wykazuje doskonałą wydajność w wielu ocenach:

3.1 Testy wiedzy i rozumowania

• DeepSeek-V4-Pro-Max zajmuje pierwsze miejsce w Apex Shortlist (90,2%) i Codeforces (Rating 3206), dwóch hardcore’owych zadaniach z zakresu rozumowania/programowania, co wykazuje niezwykle silne możliwości logiczne i algorytmiczne
• Gemini-3.1-Pro-High prowadzi w SimpleQA Verified (75,6%)
• Claude i GPT mają swoje mocne strony w różnych projektach, z ogólnie niewielkimi lukami

3.2 Testy możliwości agenta

• Wszystkie cztery modele wykazują równą wydajność w zadaniach SWE Verified (wszystkie osiągają 80,6%)
• DeepSeek wyróżnia się w Terminal Bench 2.0 (67,9%) i Toolathlon (51,8%), wykazując wyraźne zalety w scenariuszach wykonywania złożonych instrukcji i wywoływania narzędzi

Przedstawiciele stwierdzają, że możliwości agenta DeepSeek-V4-Pro znacząco się poprawiły w porównaniu do poprzednich generacji, “oferując lepsze doświadczenie użytkownika niż Sonnet 4.5, z jakością dostaw zbliżoną do trybu non-thinking Opus 4.6, choć wciąż w pewnym stopniu pozostając za trybem thinking Opus 4.6.”

3.3 Wiedza światowa i możliwości ogólne

• V4-Pro znacząco przewyższa inne modele otwartego kodu w ocenach wiedzy światowej, pozostając zaledwie nieznacznie za najlepszym modelem zamkniętym Gemini-Pro-3.1
• W zakresie matematyki, STEM i ocen kodu konkursowego, V4-Pro przewyższa wszystkie obecnie publicznie oceniane modele otwartego kodu, osiągając poziom najlepszych modeli zamkniętych na świecie
• Jako model ekonomiczny, V4-Flash ma nieznacznie mniejsze zapasy wiedzy niż wersja Pro, ale podobne możliwości rozumowania. Dzięki mniejszym parametrom i wartościom aktywacji zapewnia szybsze, bardziej opłacalne usługi API
• W ocenach agenta V4-Flash wykazuje wydajność porównywalną z wersją Pro w przypadku prostych zadań, ale wciąż istnieją luki w przypadku zadań o wysokim poziomie trudności

4. Kluczowa innowacja technologiczna: przepisanie mechanizmu uwagi

Najbardziej fundamentalna zmiana techniczna w V4 dotyczy warstwy uwagi, rozwiązując fundamentalnie problem wydajności inferencji w długim kontekście.

W tradycyjnych mechanizmach uwagi Transformer każdy token musi obliczyć podobieństwo ze wszystkimi poprzednimi tokenami. Gdy kontekst rozszerza się z 100K do 1M, koszt obliczeniowy wzrasta 100-krotnie, co stanowi główne wąskie gardło uniemożliwiające szerokie przyjęcie długiego kontekstu.

V4 przyjmuje innowacyjny podwójny mechanizm uwagi z naprzemiennymi warstwami:

1. CSA (Compressed Sparse Attention): Najpierw łączy pamięć podręczną KV dla każdych 4 tokenów w jedno podsumowanie, a następnie pozwala każdemu zapytaniu wybrać tylko najbardziej odpowiednie top-k podsumowania do obliczenia uwagi, kompresując zarówno zawartość do przetworzenia, jak i koncentrując się wyłącznie na istotnych informacjach
2. HCA (Heavy Compressed Attention): Wykorzystuje bardziej agresywną kompresję, łącząc każde 128 tokenów w jedno podsumowanie, a następnie stosuje dense attention na pozostałych podsumowaniach bez selekcji rzadkiej

Dwa mechanizmy uwagi naprzemiennie się nakładają, w połączeniu z gałęzią okna przesuwnego obsługującą zależności szczegółowe między pobliskimi tokenami, tworząc połączone podejście „gruboziarniste + drobnoziarniste, rzadkie + gęste”.

Z perspektywy ewolucji technologicznej, DeepSeek V2 i V3 głównie podążały ścieżką rzadkości parametrów (duża całkowita liczba parametrów, ale aktywacja tylko częściowych ekspertów na token). V4 otwiera na tej podstawie nową ścieżkę rzadkości kontekstu (kompresja KV, selekcja top-k, warstwowe wskaźniki kompresji). Jest to pierwszy raz, gdy DeepSeek zastosował koncepcję „rzadkości” do podstawowej struktury Transformer.

Oprócz warstwy uwagi V4 ma jeszcze dwie inne ważne ulepszenia architektoniczne:

1. Ulepszenie tradycyjnych połączeń rezydualnych do mHC (Manifold Constrained Hyperconnection), dzięki czemu propagacja w przód i w tył głębokich sieci jest bardziej stabilna dzięki ograniczeniom matematycznym
2. Zastąpienie AdamW optymalizatorem Muon dla większości modułów, osiągając szybszą zbieżność i bardziej stabilne trenowanie

Jest to pierwszy raz, gdy DeepSeek jednocześnie zmodyfikował trzy podstawowe komponenty Transformer: uwagę, połączenia rezydualne i optymalizator.

5. Innowacja paradygmatu po treningu: destylacja modelu eksperckiego

W porównaniu do zmian architektonicznych, innowacja V4 w metodach po treningu jest jeszcze bardziej godna uwagi.

V3.2 wykorzystywało podejście „mixed RL”, jednocześnie optymalizując wiele celów za pomocą uczenia ze wzmocnieniem. V4 przyjmuje dwuetapową strategię „zróżnicuj, a następnie zjednocz”:

1. Faza różnicowania: Dla różnych dziedzin, takich jak matematyka, kodowanie, agent i podążanie za instrukcjami, trenuje się osobny model ekspercki dla każdej dziedziny. Ci eksperci najpierw przechodzą nadzorowane dostrajanie z wysokiej jakości danymi dziedzinowymi, a następnie uczenie ze wzmocnieniem za pomocą algorytmu GRPO, przy czym każdy ekspert osiąga optymalną wydajność w swojej wyspecjalizowanej dziedzinie
2. Faza zjednoczenia: Wykorzystuje metodę On-Policy Distillation (OPD) do „zsyntetyzowania” ponad dziesięciu ekspertów dziedzinowych z powrotem w jeden ujednolicony model ucznia. Po wygenerowaniu odpowiedzi przez ucznia dopasowuje on rozkład wyjściowy eksperta, który „najlepiej rozumie ten problem”, absorbując możliwości ekspertów poprzez dopasowanie na poziomie logitów

To podejście można zrozumieć jako destylację możliwości wielu dziedzinowych „najlepszych uczniów” do jednego modelu. Aby rozwiązać wyzwanie inżynieryjne polegające na jednoczesnym ładowaniu ponad dziesięciu modeli nauczyciela o bilionach parametrów, DeepSeek rozładowuje wszystkie wagi nauczycieli do rozproszonej pamięci masowej, buforując jedynie stan ukryty ostatniej warstwy każdego nauczyciela. Podczas treningu próbki są sortowane według indeksu nauczyciela, zapewniając, że w dowolnym momencie tylko jedna głowa nauczyciela przebywa w pamięci GPU.

To podejście unika powszechnego problemu interferencji możliwości w tradycyjnym „mixed RL”, pozwalając modelowi osiągnąć wydajność najwyższego poziomu w wielu dziedzinach.

6. Specjalna optymalizacja możliwości agenta

DeepSeek V4 obejmuje specjalizowane dostosowania i optymalizacje dla głównych produktów agentów, z poprawioną wydajnością w scenariuszach zadań kodowych, generowania dokumentów i innych.

Specjalne optymalizacje V4 dla możliwości agenta obejmują:

1. Podczas po treningu agent jest traktowany jako niezależny kierunek ekspercki obok matematyki i kodowania, z oddzielnym treningiem
2. Format wywołania narzędzia zmieniony z JSON na strukturę XML ze specjalnymi tokenami, co zmniejsza wskaźniki błędów escape
3. Ślady rozumowania między turami są w pełni zachowywane w scenariuszach wywołania narzędzi, nie są już czyszczone co turę, jak w V3.2
4. Samodzielnie zbudowana platforma sandbox DSec, przy czym pojedynczy klaster może jednocześnie zarządzać setkami tysięcy instancji sandbox, obsługując trening i ocenę uczenia ze wzmocnieniem agenta

Przedstawiciele stwierdzają, że możliwości agenta V4-Pro „są lepsze niż Sonnet 4.5, z jakością dostaw zbliżoną do trybu non-thinking Opus 4.5, choć wciąż w pewnym stopniu pozostając za trybem thinking Opus 4.6.”

Podsumowanie

DeepSeek V4 Preview to duży model o wybitnych innowacjach technologicznych. Poprzez przebudowę mechanizmu uwagi i innowację paradygmatu treningowego zachowuje silne możliwości rozumowania przy jednoczesnym drastycznym obniżeniu kosztów inferencji w długim kontekście, otwierając drogę do praktycznych zastosowań kontekstu na poziomie milionów.

Niezależnie od tego, czy chodzi o scenariusze profesjonalne wymagające silnych możliwości rozumowania, czy o zastosowania wielkoskalowe dążące do opłacalności, seria V4 oferuje odpowiednie opcje. Jeśli chcesz doświadczyć potężnych możliwości DeepSeek V4, zapraszamy do korzystania z niego bezpośrednio za pośrednictwem naszej platformy.