DeepSeek V4, la scommessa sull’AI aperta e sull’hardware cinese

DeepSeek V4 è la nuova famiglia di modelli linguistici presentata in anteprima il 24 aprile 2026. Comprende due versioni: V4-Pro, il modello di punta orientato a ragionamento complesso, programmazione e agenti, e V4-Flash, una variante più piccola e rapida, pensata per ridurre latenza e costi.

Il lancio non ha prodotto lo stesso terremoto mediatico di DeepSeek R1. Dopo R1, infatti, il mercato si aspetta già modelli cinesi capaci e relativamente economici. L’importanza di V4 potrebbe però essere più concreta e meno spettacolare: rendere disponibili modelli competitivi con pesi aperti e, allo stesso tempo, contribuire alla costruzione di una filiera AI cinese basata su software e hardware nazionali. 1415

Che cosa ha rilasciato DeepSeek

La preview include:

• DeepSeek-V4-Pro: 1.600 miliardi di parametri complessivi, di cui 49 miliardi attivati per ciascun token;
• DeepSeek-V4-Flash: 284 miliardi di parametri complessivi, con 13 miliardi attivati per token;
• una finestra di contesto da un milione di token per entrambi i modelli;
• un’architettura Mixture of Experts, che attiva solo una parte del modello durante l’elaborazione;
• pesi scaricabili e accesso tramite API, invece di un servizio esclusivamente chiuso e ospitato dal produttore. 141015

I modelli sono stati distribuiti con licenza MIT, un elemento che facilita l’uso, l’adattamento e l’integrazione da parte di sviluppatori e aziende, nel rispetto dei termini della licenza. 1410

Pro e Flash: due modelli per esigenze diverse

V4-Pro è la proposta destinata ai compiti più impegnativi: ragionamento, matematica, conoscenza generale, coding e agenti capaci di usare strumenti esterni. DeepSeek sostiene che le sue prestazioni siano vicine a quelle dei principali modelli proprietari e rivendica risultati di primo piano nei benchmark di ragionamento e programmazione. 1415

V4-Flash segue una logica diversa. Attivando molti meno parametri, punta a risposte più rapide e a un costo inferiore, caratteristiche importanti per chatbot, automazioni e servizi che devono gestire grandi volumi di richieste.

Al lancio, i prezzi API riportati per Flash erano di 0,14 dollari per milione di token in ingresso e 0,28 dollari per milione di token in uscita; per Pro erano indicati 1,74 e 3,48 dollari rispettivamente. 8 Si tratta di prezzi particolarmente aggressivi, anche se il costo effettivo di un progetto dipende da infrastruttura, quantità di richieste, ottimizzazione e necessità di supervisione.

Prestazioni: promesse interessanti, ma ancora da verificare

Le dichiarazioni sui risultati di V4 provengono in larga parte da DeepSeek e riguardano benchmark di ragionamento, conoscenza, coding e capacità agentiche. Sono segnali rilevanti, ma una preview non equivale a una valutazione indipendente e completa.

La domanda decisiva non è soltanto se V4-Pro riesca a competere con i modelli di punta in un test, ma come si comporti su attività reali: repository software molto grandi, flussi di lavoro con strumenti, documentazione tecnica, affidabilità delle risposte e costi operativi. Per ora, le affermazioni di prestazioni quasi frontier-level vanno quindi considerate come rivendicazioni del produttore, in attesa di test più ampi e replicabili. 1415

Il contesto da un milione di token è la vera novità pratica

Una finestra di contesto da un milione di token permette, almeno in teoria, di fornire al modello interi repository di codice, raccolte di documenti o archivi di ricerca molto estesi. Ma una finestra enorme è utile soltanto se può essere gestita a un costo ragionevole.

Per questo DeepSeek ha adottato un sistema di attenzione ibrido e selettivo: le informazioni recenti vengono trattate in modo più dettagliato, mentre quelle più lontane vengono compresse in una rappresentazione di memoria più compatta. L’obiettivo è evitare di elaborare ogni parte del contesto con lo stesso livello di dettaglio.

Secondo i dati riportati da DeepSeek e Hugging Face, con un contesto di un milione di token V4-Pro richiede il 27% delle operazioni di inferenza per token di V3.2 e il 10% della memoria della KV cache. Per V4-Flash, i valori indicati scendono rispettivamente al 10% e al 7%. 16

Se questi risultati reggessero nei carichi di lavoro reali, il vantaggio sarebbe significativo per agenti che lavorano a lungo, codebase persistenti e sistemi che devono mantenere memoria operativa su grandi quantità di informazioni.

Coding e agenti: dove DeepSeek vuole giocare la partita

DeepSeek presenta V4 come una piattaforma adatta non soltanto a conversazioni e domande, ma anche ad attività di programmazione e all’uso di agenti con strumenti esterni. Il modello è stato associato a flussi di lavoro e ambienti per sviluppatori come Claude Code, OpenClaw e CodeBuddy. 14

La compatibilità, tuttavia, non dimostra che V4 offra le stesse prestazioni di Claude o di altri modelli proprietari. Significa piuttosto che gli sviluppatori possono sperimentare un’alternativa più economica, disponibile via API o potenzialmente distribuibile su infrastruttura controllata direttamente dall’organizzazione.

Il ruolo dei chip Huawei Ascend

Il passaggio più importante sul piano geopolitico riguarda l’hardware. V4 è il primo grande modello di DeepSeek adattato ai chip Ascend di Huawei, invece di essere legato principalmente alle GPU Nvidia. Huawei ha dichiarato che i propri chip sono stati usati in una parte del processo di addestramento, mentre le notizie disponibili descrivono una stretta collaborazione per adattare il modello all’architettura Ascend.

Questo sviluppo assume un peso particolare nel contesto delle restrizioni statunitensi sulle esportazioni di semiconduttori avanzati. Un modello capace di funzionare in modo efficace su hardware cinese può aiutare a validare una filiera nazionale composta da:

• modello AI;
• acceleratori e sistemi di calcolo;
• framework software;
• strumenti per sviluppatori e cloud locali.

È una componente della più ampia strategia cinese per ridurre la dipendenza dalle tecnologie straniere e costruire un ecosistema AI più autosufficiente. 23

Perché V4 non significa ancora “fine di Nvidia”

Far funzionare un modello su chip Huawei non equivale a sostituire Nvidia. Il vantaggio di Nvidia non dipende soltanto dalla potenza dei singoli processori, ma da un insieme difficile da replicare: interconnessioni, librerie ottimizzate, strumenti CUDA, esperienza degli sviluppatori, compatibilità con i principali cloud e una lunga catena di supporto hardware e software.

Inoltre, le informazioni pubbliche non chiariscono quale quota dell’intero addestramento di V4 sia stata eseguita su chip cinesi, distinguendo tra addestramento completo, ottimizzazione, porting e inferenza. Le affermazioni secondo cui il modello sarebbe stato addestrato interamente su hardware domestico devono quindi essere considerate non verificate.

L’ipotesi dei supernodi Ascend 950

Dopo il lancio di V4, Reuters ha riferito di una forte domanda per i chip Ascend 950 di Huawei e della corsa di grandi aziende Internet cinesi ad assicurarsi le forniture. 17

Se i sistemi Huawei su scala supernodo riuscissero a offrire prestazioni utilizzabili, strumenti software adeguati, disponibilità sufficiente e un costo totale inferiore, potrebbero rafforzare i vantaggi di efficienza di modelli come V4 e favorire la nascita di un’infrastruttura AI cinese parallela.

Per il momento, però, si tratta di una traiettoria strategica plausibile, non della prova che l’ecosistema Huawei abbia già rimpiazzato quello globale basato su Nvidia.

Il punto: R1 ha sorpreso, V4 può cambiare le operazioni

DeepSeek R1 aveva modificato la percezione del settore mostrando che un laboratorio cinese poteva offrire capacità di ragionamento solide a costi contenuti. V4 difficilmente ripeterà lo stesso effetto sorpresa, perché quel messaggio è ormai stato assimilato dal mercato.

Il suo impatto potenziale è però più operativo: modelli con pesi aperti, contesto molto esteso a costi inferiori, strumenti per coding e agenti, accesso API e una maggiore compatibilità con infrastrutture cinesi. La scommessa di DeepSeek non è soltanto realizzare un modello potente, ma dimostrare che un’intera catena AI — dal modello ai chip, passando per il software — può essere costruita e fatta funzionare sotto controllo cinese.