DeepSeek V4 唔止 1M context：MoE、長上下文同 API 遷移重點

如果只用「一個支援 1M context 的模型」形容 DeepSeek V4，其實有少少睇少咗。比較準確的講法是：DeepSeek 今次是模型加服務棧一齊推出——V4-Pro、V4-Flash 兩個檔位，公開標明總參數／啟用參數，支援百萬 token 視窗，並提供相容 OpenAI／Anthropic 的 API 調用方式。

DeepSeek 透明中心將 V4.0 DeepSeek-V4 的 Release Date 列為 2026年4月24日，並提供 Model Card 及 Technical Report 入口；官方公告亦稱 DeepSeek-V4 Preview 已上線並同步開源。

已確認規格：Pro 衝上限，Flash 衝效率

項目	DeepSeek-V4-Pro	DeepSeek-V4-Flash
公開規模	1.6T 總參數／49B 啟用參數（active parameters）	284B 總參數／13B 啟用參數（active parameters）
Context window	最高 1M token	最高 1M token
產品定位	V4 家族入面最大型的模型	面向更高速、更高效率的負載
API 模型名	deepseek-v4-pro	deepseek-v4-flash

DeepSeek 的模型及價格頁亦列出，兩款模型最大輸出長度為 384K，並支援 Json Output、Tool Calls 等功能。 換句話講，V4 的工程重點唔單止是「把 context window 拉大」，而是將能力檔同效率檔都包裝成可直接調用的產品。

MoE 點解重要：容量同單次推理成本唔再完全綁死

API 易同 HyperAI 等公開材料都將 V4-Pro、V4-Flash 描述為 Mixture-of-Experts（MoE）模型。 用簡單講法，MoE 可以理解為一個「專家池」：總參數比較接近整個專家池的容量；啟用參數則表示一次推理實際參與計算的部分。這亦解釋了點解 V4 的規格會同時強調 total parameters 同 active parameters。

這種設計的好處，是令模型容量同每次推理的計算量可以部分解耦；代價是服務端要處理專家路由、專家並行、通訊同負載均衡等複雜問題。SGLang／Miles 團隊在 V4 發布後表示已提供推理及 RL 訓練支援，並稱其系統針對 V4 的 hybrid sparse-attention、mHC 及 FP4 expert weights 作出適配，反映難點已經由模型本身延伸到 serving／training stack。

1M token context：用戶見到的是方便，服務端承受的是壓力

NVIDIA 開發者材料把 V4-Pro、V4-Flash 定位為面向高效 million-token context inference 的模型，並點名長上下文寫 code、文件分析、檢索及 agentic AI workflow 等場景。 DeepSeek API 文件亦列明兩款模型的上下文長度為 1M。

對使用者來講，1M context 的潛在價值很直接：少啲切片、少啲人手拼接，亦有機會減少檢索漏料。對服務端來講，問題就冇咁輕鬆——注意力計算、context cache、顯存／頻寬、吞吐調度都會被放大。正因如此，評估 V4 唔應該只望窗口數字，而要放入真實程式碼庫、長文件、RAG 同 Agent 工具鏈，測延遲、成本、長距離引用穩定性，以及 Tool Calls 表現。

注意力架構：方向清楚，但術語要小心讀

圍繞長上下文效率，不同公開材料用的術語並不完全一致。API 易稱 V4 的 1M context 由 Hybrid Attention 及 DSA sparse attention 支撐。 HyperAI 摘要則寫到 hybrid attention 結合 Compressed Sparse Attention（CSA）同 Heavily Compressed Attention（HCA），並提到 mHC。 SGLang／Miles 就稱其開源棧針對 hybrid sparse-attention、mHC 及 FP4 expert weights 作出適配。

比較穩陣的讀法是：V4 生態材料普遍指向「稀疏／壓縮／混合注意力 + 服務棧優化」這條路線；但具體模組名稱、實作細節同效果幅度，不應單靠二級摘要或影片定論，最好回到 DeepSeek 透明中心列出的 Model Card 及 Technical Report 核對。

API 落地：遷移成本被放入產品設計

DeepSeek 更新日誌顯示，API 已支援 V4-Pro 與 V4-Flash，並可透過 OpenAI ChatCompletions 介面及 Anthropic 介面調用；要使用新模型，base_url 不變，只需要把 model 參數改成 deepseek-v4-pro 或 deepseek-v4-flash。 官方首次調用文件列出的 base URL 分別是 OpenAI 格式的 https://api.deepseek.com，以及 Anthropic 格式的 https://api.deepseek.com/anthropic。

model: deepseek-v4-pro
model: deepseek-v4-flash

OpenAI format base_url: https://api.deepseek.com
Anthropic format base_url: https://api.deepseek.com/anthropic

舊模型名亦有清晰時間表：deepseek-chat 與 deepseek-reasoner 將於 2026年7月24日棄用；過渡期內，兩者分別指向 deepseek-v4-flash 的非思考模式及思考模式。 對已有應用來講，最先要做的是替換模型名、確認揀 Pro 還是 Flash，然後針對長 context、Tool Calls、輸出長度及成本做回歸測試。

邊啲說法仍然要獨立驗證？

第一，性能領先幅度要保守看。官方中文發布頁稱 V4-Pro 在 Agent、世界知識及推理能力方面達到國內與開源領域領先，並提供與部分閉源模型的體驗對比；API 易亦列出 SWE-Verified 等 benchmark 分數。 這些可以視為發布方及生態方的主張，但不同提示詞、成本限制同業務任務之下，實際表現仍應以獨立複測為準。

第二，內部機制細節要分層理解。Hybrid Attention、DSA、CSA、HCA、mHC、FP4 expert weights 已出現在不同公開材料，但來源層級同命名並不一致。 在官方技術報告之外，直接把每個術語都當成已完全驗證的實作事實，並不穩妥。

第三，1M context 不等於所有滿窗請求都一定低延遲、低成本。官方及生態材料可以確認 V4 的規格方向與可調用性；真實服務表現仍取決於你的文件長度、cache 命中、並發量、工具調用鏈同評測標準。

實用結論

DeepSeek V4 的「工程量大」在於組合：V4-Pro 的 1.6T／49B active、V4-Flash 的 284B／13B active、最高 1M token context，以及 OpenAI／Anthropic 相容 API，被放進同一條可調用產品線入面。 對開發者而言，短期最實際的做法唔係背宣傳語，而是用自己的長文件、程式碼庫、RAG 同 Agent workflow 做端到端測試，並在 2026年7月24日前完成舊模型名遷移。