AnswersPublished18 sources
DeepSeek V4 är mer än en ny modell – den testar Kinas egen AI-stack
DeepSeek V4 är en familj av öppna modellvikter med två versioner: kraftfulla V4 Pro och snabbare, billigare V4 Flash. Båda modellerna har ett kontextfönster på en miljon tokens och är byggda för bland annat avancerad problemlösning, kodning och AI agenter.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- DeepSeek V4 är en familj av öppna modellvikter med två versioner: kraftfulla V4 Pro och snabbare, billigare V4 Flash.
- Båda modellerna har ett kontextfönster på en miljon tokens och är byggda för bland annat avancerad problemlösning, kodning och AI agenter.
- DeepSeeks prestanda och prisuppgifter är lovande men bygger i första hand på företagets egna påståenden i en förhandsversion.
- Den strategiska nyheten är stödet för Huaweis Ascend chipp – men V4 innebär inte att Nvidia redan har ersatts.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is DeepSeek V4, released as a preview on April 24, 2026, and why does it matter despite being unlikely to replicate the global shock ca. Article summary: DeepSeek V4 is DeepSeek’s open weight, preview generation model family: a large frontier oriented model (V4 Pro) and a smaller, faster model (V4 Flash).. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layout
DeepSeek V4 är DeepSeeks nya familj av öppna modellvikter, släppt som förhandsversion den 24 april 2026. Familjen består av flaggskeppsmodellen V4-Pro och den mindre, snabbare V4-Flash. Till skillnad från en helt stängd molntjänst kan modellerna laddas ned och användas via DeepSeeks API. 14
15
V4 lär knappast skapa samma globala chock som resonemangsmodellen DeepSeek R1 gjorde. Marknaden har redan vant sig vid att kinesiska AI-labb kan erbjuda kraftfulla och billiga modeller. Den större frågan är därför vad V4 säger om nästa fas: öppna AI-modeller som kan köras effektivt på kinesisk hårdvara och mjukvara.
Två modeller för olika behov
DeepSeek släppte två Mixture-of-Experts-modeller, en arkitektur där bara en del av modellens parametrar aktiveras för varje token:
- V4-Pro: 1,6 biljoner parametrar totalt, varav 49 miljarder aktiveras per token.
- V4-Flash: 284 miljarder parametrar totalt, varav 13 miljarder aktiveras per token.
Båda modellerna stöder ett kontextfönster på en miljon tokens. Det motsvarar i grova drag hundratusentals ord – tillräckligt för mycket stora kodbaser, omfattande forskningsmaterial eller långa arbetsflöden i en AI-agent. 14
10
15
Pro är tänkt för mer krävande resonemang, programmering och agentbaserade uppgifter. Flash aktiverar betydligt färre parametrar och är därför inriktad på lägre fördröjning och kostnad, särskilt i tjänster som hanterar stora mängder förfrågningar.
Lovande prestanda – men fortfarande med brasklappar
DeepSeek uppger att V4-Pro närmar sig de bästa slutna modellerna och lyfter fram resultat inom resonemang, faktakunskap, matematik, STEM, kodning och så kallade agentiska benchmarktester. Företaget beskriver också V4 som en stark öppen modell för kodande AI-agenter. 14
15
Det är dock viktigt att skilja mellan företagets egna benchmarkpåståenden och en bred, oberoende utvärdering i verkliga arbetsflöden. Eftersom detta är en förhandsversion är det för tidigt att slå fast att V4 generellt matchar Claude, Gemini eller andra ledande slutna modeller.
V4 är däremot tydligt positionerad för utvecklare. DeepSeek har pekat ut miljöer som Claude Code, OpenClaw och CodeBuddy som möjliga arbetsflöden för kodning och verktygsanvändande agenter. Kompatibilitet betyder inte automatiskt samma kvalitet som hos de etablerade tjänsterna, men det ger utvecklare ett billigare alternativ som kan köras via API eller i större utsträckning under egen kontroll. 14
En miljon tokens utan samma kostnad
Den tekniska kärnan i V4 är inte bara det stora kontextfönstret, utan hur modellen hanterar det. En hybridlösning med selektiv uppmärksamhet bearbetar nyare information mer detaljerat medan äldre information komprimeras till en mindre minnesrepresentation.
Enligt DeepSeek och Hugging Face kräver V4-Pro, vid en kontext på en miljon tokens, omkring 27 procent av beräkningskostnaden per token jämfört med V3.2 och cirka 10 procent av minnet för KV-cachen. För V4-Flash anges motsvarande nivåer till 10 procent av beräkningskostnaden och 7 procent av cacheminnet. 16
Om siffrorna håller i oberoende tester kan det få praktisk betydelse för:
- stora och långvariga kodprojekt,
- långa dokument- och forskningssamlingar,
- AI-agenter som behöver minnas tidigare steg,
- tjänster där många användare skickar långa indata samtidigt.
Det är också en central del av DeepSeeks kostnadsargument. Oberoende sammanställningar har rapporterat mycket låga API-priser, särskilt för V4-Flash, men prislistor och villkor kan ändras och bör kontrolleras mot DeepSeeks aktuella API-dokumentation. 8
14
Den geopolitiska betydelsen: Huawei Ascend i stället för enbart Nvidia
Den kanske viktigaste förändringen gäller hårdvaran. V4 är DeepSeeks första större modell som har anpassats för Huaweis Ascend-plattform, snarare än att huvudsakligen vara knuten till Nvidias GPU:er. Huawei har uppgett att dess chipp användes i delar av V4:s träningsprocess, medan Reuters har rapporterat att modellen har utvecklats för att fungera på Huaweis AI-hårdvara.
Det spelar roll eftersom USA:s exportrestriktioner begränsar Kinas tillgång till de mest avancerade amerikanska AI-chippen. En modell som fungerar väl på Ascend kan hjälpa Kina att bygga en mer sammanhållen inhemsk kedja: modell, chip, kompilator, bibliotek och datacenter.
Reuters rapporterade också om kraftigt ökad efterfrågan på Huaweis Ascend 950 efter V4-lanseringen. Om Huaweis supernoder kan erbjuda tillräcklig prestanda, mjukvarustöd, tillgång och lägre totalkostnad kan de bidra till en parallell kinesisk AI-infrastruktur. Men det är fortfarande en möjlig strategisk utveckling – inte ett bevis på att den globala Nvidia-baserade infrastrukturen har ersatts. 1
Varför Nvidia fortfarande har ett stort försprång
Att en modell kan köras på Huawei Ascend är inte samma sak som att Nvidia har blivit irrelevant. Nvidias försprång består av mer än själva chippen: även höghastighetslänkar mellan processorer, CUDA-ekosystemet, optimerade bibliotek, utvecklarnas vana och en etablerad global molninfrastruktur spelar stor roll.
Det offentliga materialet visar inte heller hur stor del av hela V4-träningen som faktiskt genomfördes på kinesiska chip, till skillnad från optimering och inferens – alltså när en färdig modell används för att generera svar. Påståenden om att hela träningen skulle ha skett på inhemsk hårdvara bör därför behandlas som obekräftade. 2
3
Den verkliga lärdomen från V4
R1 förändrade omvärldens bild av DeepSeek genom att visa att ett kinesiskt labb kunde skapa starka resonemangsfunktioner till låg kostnad. V4:s potentiellt djupare effekt är mer operationell än dramatisk:
- öppna modellvikter gör det lättare för utvecklare att experimentera och distribuera själva,
- en miljon tokens kan göra långa kod- och dokumentarbetsflöden mer praktiska,
- V4-Pro och V4-Flash täcker både avancerade och kostnadskänsliga användningsfall,
- stöd för Huawei Ascend visar att modellen kan bli en del av en mer självständig kinesisk AI-stack.
DeepSeek V4 behöver alltså inte överträffa alla konkurrenter för att bli viktig. Om modellen visar sig vara tillräckligt bra, billig och lätt att köra på kinesisk hårdvara kan den bidra till att AI-industrin delas upp i flera tekniska ekosystem – ett scenario med större långsiktiga följder än ännu en kortvarig benchmarkseger.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "DeepSeek V4 är mer än en ny modell – den testar Kinas egen AI-stack"?
DeepSeek V4 är en familj av öppna modellvikter med två versioner: kraftfulla V4 Pro och snabbare, billigare V4 Flash.
What are the key points to validate first?
DeepSeek V4 är en familj av öppna modellvikter med två versioner: kraftfulla V4 Pro och snabbare, billigare V4 Flash. Båda modellerna har ett kontextfönster på en miljon tokens och är byggda för bland annat avancerad problemlösning, kodning och AI agenter.
What should I do next in practice?
DeepSeeks prestanda och prisuppgifter är lovande men bygger i första hand på företagets egna påståenden i en förhandsversion.
Sources
api-docs.deepseek.comDeepSeek V4 Preview Release
techcrunch.comDeepSeek previews new AI model that 'closes the gap' with frontier models | TechCrunch
huggingface.codeepseek-ai/DeepSeek-V4-Pro - Hugging Face
simonwillison.netDeepSeek V4—almost on the frontier, a fraction of the price