DeepSeek V4: Không chỉ là một mô hình AI mới

DeepSeek V4 là dòng mô hình ngôn ngữ thế hệ mới của DeepSeek, được phát hành dưới dạng bản xem trước vào ngày 24/4/2026. Dòng sản phẩm này gồm hai phiên bản: V4-Pro, mô hình chủ lực hướng đến suy luận, lập trình và tác vụ tác nhân AI; cùng V4-Flash, phiên bản nhỏ hơn, nhanh hơn và tiết kiệm hơn cho các triển khai quy mô lớn. 1415

V4 khó tạo lại cú sốc mà DeepSeek R1 từng gây ra. Sau R1, thị trường đã quen với khả năng xuất hiện những mô hình Trung Quốc có năng lực tốt nhưng chi phí thấp. Vì vậy, điều đáng chú ý ở V4 không chỉ là điểm số trên bảng xếp hạng, mà là cách DeepSeek kết hợp mô hình có năng lực cạnh tranh với một hướng đi thực tế toward hệ sinh thái phần mềm và phần cứng AI do Trung Quốc kiểm soát.

DeepSeek V4 có những phiên bản nào?

Ngày 24/4, DeepSeek giới thiệu:

• V4-Pro: tổng cộng 1,6 nghìn tỷ tham số, trong đó 49 tỷ tham số được kích hoạt ở mỗi lượt xử lý.
• V4-Flash: tổng cộng 284 tỷ tham số, với 13 tỷ tham số được kích hoạt ở mỗi lượt xử lý.

Cả hai đều sử dụng kiến trúc Mixture of Experts (MoE), tức mỗi yêu cầu chỉ kích hoạt một phần mạng lưới thay vì vận hành toàn bộ mô hình. Hai phiên bản cũng hỗ trợ cửa sổ ngữ cảnh lên tới 1 triệu token và được cung cấp dưới dạng trọng số mở, đồng thời có thể truy cập qua API của DeepSeek. 141015

V4-Pro nhắm tới các bài toán khó hơn như suy luận nhiều bước, lập trình, sử dụng công cụ và vận hành tác nhân AI. V4-Flash hy sinh một phần quy mô để đổi lấy độ trễ thấp hơn và chi phí phù hợp hơn với những ứng dụng phải xử lý số lượng yêu cầu lớn.

Hiệu năng cao, giá thấp: cần đọc tuyên bố của DeepSeek thế nào?

DeepSeek cho biết V4-Pro có hiệu năng cạnh tranh với những mô hình đóng hàng đầu, đồng thời nhấn mạnh kết quả trong các nhóm bài kiểm tra về suy luận, kiến thức, toán học, khoa học, lập trình và tác vụ tác nhân. Công ty cũng định vị V4-Flash là lựa chọn nhanh và tiết kiệm hơn. 1415

Tuy nhiên, đây vẫn là các tuyên bố của nhà phát triển trong giai đoạn bản xem trước. Chúng chưa thể thay thế cho các đánh giá độc lập trên nhiều loại công việc thực tế, chẳng hạn độ ổn định khi lập trình dài phiên, độ chính xác khi dùng công cụ, khả năng bám sát hướng dẫn và mức độ phù hợp với từng hạ tầng triển khai.

Nói cách khác, V4 có thể rất đáng thử nhờ mức giá API thấp và trọng số mở, nhưng không nên mặc định rằng nó đã ngang bằng mọi mô hình đóng hàng đầu trong mọi tình huống.

Vì sao ngữ cảnh 1 triệu token quan trọng?

Một cửa sổ ngữ cảnh 1 triệu token cho phép mô hình tiếp nhận lượng thông tin rất lớn trong cùng một phiên. Về lý thuyết, điều này đủ để đưa vào các kho mã lớn, bộ tài liệu nghiên cứu dài hoặc lịch sử tương tác kéo dài mà không phải liên tục chia nhỏ dữ liệu.

Điểm khó là xử lý ngữ cảnh dài thường tiêu tốn nhiều năng lực tính toán và bộ nhớ. DeepSeek V4 sử dụng cơ chế chú ý lai, kết hợp Compressed Sparse Attention (CSA) và Heavily Compressed Attention (HCA). Thiết kế này xử lý thông tin gần một cách chi tiết hơn, đồng thời nén những phần cũ hơn thành biểu diễn bộ nhớ nhỏ hơn.

Theo DeepSeek và Hugging Face, ở độ dài 1 triệu token, V4-Pro cần khoảng 27% số phép tính suy luận trên mỗi token so với DeepSeek V3.2 và sử dụng 10% bộ nhớ KV-cache. Với V4-Flash, các con số được công bố lần lượt là 10% số phép tính và 7% bộ nhớ KV-cache. 16

Nếu những kết quả này được duy trì trong triển khai thực tế, lợi ích sẽ đặc biệt rõ ở các kho mã lớn, tập dữ liệu nghiên cứu dài và những tác nhân AI phải làm việc liên tục qua nhiều bước.

V4 hướng tới lập trình và tác nhân AI

DeepSeek định vị V4 không chỉ là chatbot hỏi–đáp mà còn là nền tảng cho các tác vụ lập trình và tác nhân biết sử dụng công cụ. Mô hình được giới thiệu cùng khả năng tích hợp vào những môi trường dành cho tác nhân phát triển như Claude Code, OpenClaw và CodeBuddy. 14

Điều này không đồng nghĩa V4 có chất lượng tương đương Claude hay các mô hình đóng hàng đầu trong những môi trường đó. Ý nghĩa thực tế là nhà phát triển có thêm một lựa chọn rẻ hơn, có thể sử dụng qua API hoặc tự triển khai từ trọng số mở trong các quy trình lập trình và tự động hóa.

Đối với doanh nghiệp, khả năng đưa một mô hình dài ngữ cảnh vào quy trình nội bộ mà không hoàn toàn phụ thuộc vào một dịch vụ đóng có thể quan trọng không kém điểm số benchmark.

Bước ngoặt về chip Huawei Ascend

Một trong những thay đổi có ý nghĩa chiến lược nhất là V4 được điều chỉnh để chạy trên phần cứng Huawei Ascend, thay vì chủ yếu gắn với GPU Nvidia như nhiều mô hình AI lớn trước đây. 23

Trong bối cảnh Mỹ áp dụng các hạn chế xuất khẩu chip tiên tiến, việc tối ưu mô hình cho chip nội địa giúp Trung Quốc kiểm chứng một chuỗi công nghệ gồm mô hình, chip, trình biên dịch, thư viện và phần mềm triển khai. Đây là một bước phù hợp với mục tiêu xây dựng hệ sinh thái AI tự chủ hơn.

Tuy vậy, chạy được trên Ascend không có nghĩa Nvidia đã bị thay thế. Lợi thế của Nvidia không chỉ nằm ở GPU, mà còn gồm hệ thống kết nối, nền tảng CUDA, thư viện tối ưu, cộng đồng lập trình viên, mức độ quen thuộc của công cụ và khả năng triển khai qua các nhà cung cấp đám mây trên toàn cầu.

Các thông tin công khai hiện chưa cho biết chính xác bao nhiêu phần trong toàn bộ quá trình huấn luyện V4 sử dụng chip nội địa, khác với việc tối ưu mô hình hoặc hỗ trợ suy luận. Vì vậy, những khẳng định rằng V4 được huấn luyện hoàn toàn trên phần cứng Trung Quốc vẫn cần được xem là chưa được xác minh. 23

Ascend 950 có thể tạo ra tác động gì?

Reuters đưa tin nhu cầu đối với chip AI Huawei Ascend 950 tăng mạnh sau khi V4 ra mắt, khi các công ty internet lớn của Trung Quốc tìm cách 확보 nguồn cung. 1

Nếu các hệ thống quy mô supernode của Huawei mang lại hiệu năng đủ tốt, phần mềm hỗ trợ đủ trưởng thành, nguồn cung ổn định và tổng chi phí thấp hơn, chúng có thể khuếch đại lợi thế hiệu quả mà V4 hướng tới. Về lâu dài, điều này có thể hình thành một hạ tầng AI song song của Trung Quốc.

Dù vậy, đây mới là một hướng phát triển có thể xảy ra, chưa phải bằng chứng cho thấy hệ sinh thái Ascend đã thay thế được toàn bộ nền tảng AI dựa trên Nvidia.

Vì sao V4 có thể quan trọng hơn một cú sốc ngắn hạn?

R1 từng thay đổi nhận thức của ngành khi cho thấy một phòng nghiên cứu Trung Quốc có thể tạo ra mô hình suy luận mạnh với chi phí thấp. V4 có thể tạo ảnh hưởng sâu hơn theo hướng vận hành:

• mô hình có trọng số mở để tải xuống và thử nghiệm;
• ngữ cảnh 1 triệu token với chi phí suy luận được thiết kế để giảm đáng kể;
• khả năng phục vụ lập trình và tác nhân AI;
• API cho các ứng dụng thương mại;
• nỗ lực đưa mô hình lên phần cứng Trung Quốc như Huawei Ascend.

Vì thế, V4 có thể không lặp lại màn gây chấn động toàn cầu của R1. Nhưng nếu DeepSeek chứng minh được rằng một mô hình mở, dài ngữ cảnh và có khả năng làm việc với tác nhân có thể vận hành hiệu quả trên hạ tầng nội địa, tác động của nó sẽ nằm ở việc thay đổi cách AI được xây dựng, triển khai và cung cấp — không chỉ ở một bảng xếp hạng benchmark.