DeepSeek V4 Preview 對比 V3.2：升級前要睇清 5 個重點

1. 100 萬 token context：最容易感受到嘅升級

V4 Preview 最明顯嘅新重點係 100 萬 token context。^[3] token 可以粗略理解為模型處理文字時用嘅片段單位；佢唔等於字數，但 context window 越大，理論上一次 call 可以放入更多材料。

對實際應用嚟講，呢個變化特別適合幾類 workload：一次過讀大型 repository、長技術文件、系統 log、長對話紀錄，或者需要 agent 分多步讀資料、計劃、再執行嘅流程。

不過，long context 並唔係去到 V4 先開始。DeepSeek-V3.2-Exp 之前已經引入 DeepSeek Sparse Attention，官方形容係為 long context 帶來更有效率嘅 training 同 inference。^[20] 更準確嘅睇法係：V3.2-Exp 係 long context 方向上嘅重要實驗分支；V4 Preview 則將 100 萬 token context 提升成新一代 model 嘅核心定位。^[3][20]

2. V4-Pro 同 V4-Flash：唔好只靠名揀 model

V3.2 世代，DeepSeek changelog 入面列出 DeepSeek-V3.2 同 DeepSeek-V3.2-Speciale。^[22] 到 V4 Preview，官方改為 DeepSeek-V4-Pro 同 DeepSeek-V4-Flash 兩條線。^[3]

按 V4 Preview 頁面，V4-Pro 有 1.6T 總參數、49B active parameters；V4-Flash 則有 284B 總參數、13B active parameters。^[3] 對工程團隊嚟講，呢個拆法有實際意思：V4-Pro 可以先放喺較難、要求質素較高嘅任務測試；V4-Flash 就適合量度大量 request 下嘅質素、latency、成本同 throughput 平衡。

穩陣做法係唔好見到 Pro 就全線轉 Pro，亦唔好見到 Flash 就即刻當成低配。應該用同一套 prompt、同一批測試資料、同一個 token limit，同一套評分標準，分別跑 V3.2、V4-Flash 同 V4-Pro，再決定邊個做 default。

3. Agentic coding：由 tool-use 走向更長流程嘅 coding agent

V3.2 本身已經係 agent 方向上嘅重要版本，因為 release 重點之一係將 thinking 同 tool-use 結合。^[16] 換句話講，V3.2 唔只係用嚟答一輪問題，而係被定位到可以做包含推理、叫工具、讀結果、再繼續處理嘅流程。

V4 Preview 延續呢條路線，但將焦點推得更近 agentic coding：即係模型唔只產生一小段 code，而係要讀 code context、規劃修改、跨檔案理解，甚至配合多步工作流。^[3]

所以，兩代之間嘅分別唔係 V3.2 完全唔做 agent，而係 V3.2 打好 reasoning 同 tool-use 底子；V4 Preview 就試圖將呢個方向推向更長 context、更偏 coding-agent 嘅 workflow。^[3][16]

4. Benchmark：可以參考，但唔係 production 保證書

DeepSeek 喺 V3.2 Release 同 V4 Preview Release 都有公布 benchmark 同性能定位。^[3][16] 官方以外，Sebastian Raschka 嘅技術分析亦指出，V3.2 因為性能表現同 open-weight 版本而值得仔細研究。^[1]

但要留意，手上呢批資料主要係 release note、API 文件同基於公開資訊嘅技術分析。佢哋對判斷升級方向好有用，但唔可以取代你自己 workload 上嘅內部 benchmark。^[3][16][23]

如果係 production，真正要問嘅唔係 V4 呢個名夠唔夠新，而係：喺你嘅 prompt、你嘅資料、你嘅 token budget、你嘅 latency SLA、你嘅質量評分尺之下，邊個 model 輸出最好、最穩、最抵用。未量度之前，V4 Preview 應該被視為強力候選，而唔係自動成為預設選擇。

5. API migration：最唔應該拖嘅部分

V4 Preview 帶嚟一個對整合好重要嘅變化：DeepSeek 指 deepseek-chat 同 deepseek-reasoner 現時分別以 non-thinking / thinking 模式 route 去 deepseek-v4-flash，而兩個 alias 會喺 2026年7月24日 15:59 UTC 後完全停用。^[3]

呢點值得特別留意，因為較早前 API 文件寫明 deepseek-chat 同 deepseek-reasoner 對應 DeepSeek-V3.2。^[23] 如果 production 系統叫嘅係 alias，而唔係明確 model ID，model 行為就有機會喺你未主動改 code 嘅情況下變咗。

整合方面，DeepSeek API 文件指其 API 採用 OpenAI 相容格式；只要調整 endpoint 設定，就可以用 OpenAI SDK 或相容 OpenAI API 嘅軟件去接入 DeepSeek API。^[23] DeepSeek 亦有 Anthropic API compatibility 文件，列出 max_tokens、stream、system、temperature、thinking 等欄位嘅支援狀態。^[13]

建議 migration checklist：

1. 搜尋 codebase、config、CI/CD secrets，睇下系統係用 deepseek-chat、deepseek-reasoner，定係已經用明確 model ID。^[3]
2. 如果 workflow 有 reasoning，分別測 thinking 同 non-thinking 模式。^[3]
3. 用真實資料重測 latency、成本、錯誤率、timeout 率同答案質素。
4. 喺 2026年7月24日 15:59 UTC 前離開舊 alias。^[3]
5. 如果用緊 OpenAI 或 Anthropic compatibility layer，重新核對 request 欄位同支援狀態。^[13][23]

咁，應唔應該由 V3.2 升去 V4？

如果你需要超長 context、正在做 coding agent、想用 V4-Pro 測高難度任務，或者想用 V4-Flash 評估大量 request 下嘅成本與延遲，V4 Preview 值得盡快放入測試隊列。^[3]

如果你現有 pipeline 已經穩定、暫時唔需要 100 萬 token context，或者 production 要先完成內部 benchmark，V3.2 仍然係合理 baseline。^[16]

一句講晒：V3.2 係 reasoning 同 tool-use 上嘅重要一步；V4 Preview 則將焦點推到 long context、V4-Pro/V4-Flash 分流同 agentic coding。^[3][16] 對工程團隊而言，model 質素固然要測，但更實際嘅風險係 API alias 退役——呢部分最好盡早排入 migration 計劃。^[3]