Pratonton DeepSeek V4 Mencabar Model AI Termaju dengan Konteks Sejuta Token dan Harga Agresif

Pencabar Baharu Menghampiri Barisan Hadapan

Makmal kecerdasan buatan China, DeepSeek, telah mengeluarkan versi pratonton siri model V4 yang dinanti-nantikan, memperkenalkan dua varian yang menggabungkan skala besar dengan kecekapan luar biasa. Model DeepSeek-V4-Pro dan DeepSeek-V4-Flash, yang dilancarkan pada 24 April 2026, merupakan usaha paling bercita-cita tinggi syarikat itu setakat ini untuk mencabar dominasi gergasi AI Amerika seperti OpenAI, Anthropic dan Google.

Pelancaran ini berlaku tepat setahun selepas model penaakulan R1 DeepSeek mencetuskan kejatuhan pasaran bernilai trilion dolar dengan menunjukkan bahawa keupayaan AI bertaraf dunia boleh dibangunkan pada kos yang jauh lebih rendah berbanding kos yang lazim dikaitkan dengan sistem termaju. Kini, menerusi V4, DeepSeek meletakkan dirinya bukan sekadar sebagai alternatif berkos rendah, tetapi juga sebagai pesaing sebenar dari segi keupayaan mentah, sambil mengekalkan strategi harga radikal yang mula-mula menarik perhatian dunia kepada syarikat pemula yang berpangkalan di Hangzhou itu.

Kedua-dua model mempunyai tetingkap konteks 1 juta token, berupaya memproses kira-kira 15 hingga 20 novel penuh dalam satu arahan, dan menggunakan seni bina Mixture-of-Experts yang mengaktifkan hanya sebahagian parameter semasa inferens. Yang paling ketara, syarikat itu mengeluarkan model-model ini di bawah lesen MIT yang permisif, membolehkan penggunaan dan pengubahsuaian komersial tanpa yuran pelesenan, sekali gus meneruskan komitmennya terhadap pembangunan AI dengan pemberat terbuka.

Seni Bina Teknikal dan Skala

Siri DeepSeek V4 memperkenalkan dua konfigurasi berbeza untuk kegunaan berlainan. V4-Pro yang menjadi model utama ialah antara model pemberat terbuka terbesar yang pernah dikeluarkan, dengan jumlah 1.6 trilion parameter dan 49 bilion parameter aktif dalam setiap operasi inferens. V4-Flash yang lebih kompak mempunyai jumlah 284 bilion parameter, dengan 13 bilion parameter aktif, dan direka untuk aplikasi yang sensitif terhadap kependaman serta penggunaan pada perkakasan pengguna.

Kecekapan parameter ini dicapai menerusi seni bina Mixture-of-Experts, yang mengarahkan setiap token input kepada subrangkaian khusus dan bukannya mengaktifkan keseluruhan model. Model padat dengan 1.6 trilion parameter akan menelan kos operasi yang terlalu tinggi. Namun, dengan mengekalkan jumlah parameter aktif pada paras yang hampir sama dengan generasi terdahulu V3.2 sambil memperluas kumpulan pakar, DeepSeek meningkatkan keupayaan pengkhususan mendalam dalam pengekodan, matematik dan tugasan berbilang bahasa tanpa meningkatkan keperluan pengkomputeran secara seimbang.

Mengatasi Had Konteks Panjang

Teras seni bina V4 ialah apa yang disebut DeepSeek sebagai Seni Bina Perhatian Hibrid, yang menggabungkan mekanisme Perhatian Jarang Mampat dan Perhatian Mampat Tinggi. Inovasi ini menangani salah satu cabaran berterusan dalam model bahasa besar: kemerosotan mutu pencarian semula apabila panjang konteks bertambah.

Mekanisme perhatian transformer standard sukar menangani masalah "jarum dalam timbunan jerami", iaitu apabila maklumat tertentu yang terkandung jauh di dalam dokumen panjang semakin sukar ditemukan. DeepSeek mendakwa pendekatannya mencapai ketepatan 97% dalam penanda aras pencarian semula sejuta token, berbanding 84.2% bagi mekanisme perhatian standard, sekali gus menyelesaikan masalah kemerosotan pencarian semula yang sekian lama membelenggu model konteks panjang.

Dalam amalan, ini bermakna model tersebut boleh memproses keseluruhan pangkalan kod, set dokumen undang-undang yang menyeluruh atau sejarah perbualan bertahun-tahun dengan tepat tanpa terlepas pandang butiran tertentu. Bagi pembangun yang membina sistem penjanaan berasaskan pencarian semula, keupayaan ini berpotensi mengurangkan atau menghapuskan keperluan untuk strategi pemecahan teks yang rumit dan pangkalan data vektor luaran.

Prestasi Penanda Aras: Keupayaan Hampir Setanding Model Termaju

Menurut penilaian bebas dan laporan DeepSeek sendiri, model V4-Pro mencapai tahap prestasi yang meletakkannya hampir setanding dengan sistem sumber tertutup tercanggih. Dalam penanda aras SWE-bench Verified, yang menguji keupayaan model menyelesaikan isu GitHub sebenar daripada projek sumber terbuka, V4-Pro dilaporkan memperoleh kira-kira 80.6%, hampir menyamai Claude Opus 4.6 dengan 80.8% dan mengatasi banyak rekod terdahulu bagi model sumber terbuka.

V4-Pro menunjukkan kekuatan khusus dalam penanda aras penaakulan matematik. Model itu dilaporkan mencapai 95.2% dalam HMMT 2026 dan 89.8% dalam IMOAnswerBench, mengatasi Claude Opus 4.6 bagi penanda aras kedua, walaupun sedikit ketinggalan berbanding GPT-5.4. Dalam penilaian pengaturcaraan kompetitif yang diukur menggunakan penarafan Codeforces, V4-Pro memperoleh skor 3206, mengatasi GPT-5.4 (3168) dan Gemini 3.1 Pro (3052).

Namun begitu, DeepSeek mengambil pendekatan berhati-hati dalam penilaian kendiri tentang kedudukannya secara keseluruhan berbanding model termaju. Syarikat itu mengakui bahawa dalam tugasan pengetahuan am dan penaakulan, V4-Pro ketinggalan kira-kira 3 hingga 6 bulan pembangunan berbanding Gemini 3.1 Pro Google. Ini menunjukkan bahawa jurang tersebut semakin kecil, namun kesetaraan mutlak dengan sistem tertutup paling maju masih belum dicapai.

Dengan memperluas token penaakulan, DeepSeek-V4-Pro-Max menunjukkan prestasi yang lebih baik berbanding GPT-5.2 dan Gemini-3.0-Pro dalam penanda aras penaakulan standard. Walau bagaimanapun, prestasinya sedikit di bawah GPT-5.4 dan Gemini-3.1-Pro, menunjukkan trajektori pembangunan yang ketinggalan kira-kira 3 hingga 6 bulan berbanding model termaju.

Varian V4-Flash mengekalkan prestasi yang amat kompetitif meskipun berskala lebih kecil, dengan skor 86.2% dalam MMLU-Pro berbanding 87.5% bagi V4-Pro, serta 91.6% dalam LiveCodeBench berbanding 93.5% bagi versi Pro. Kecekapan ini menunjukkan bahawa bagi banyak aplikasi, model Flash mungkin menawarkan keupayaan yang memadai dengan kos operasi yang jauh lebih rendah.

Harga Radikal dan Gangguan Ekonomi

Aspek paling mengganggu pasaran dalam pelancaran V4 mungkin ialah strategi harganya, yang meneruskan pendekatan DeepSeek menawarkan harga jauh lebih rendah berbanding pesaing Barat. Model V4-Flash berharga $0.14 bagi setiap sejuta token input dan $0.28 bagi setiap sejuta token output, menjadikannya lebih murah daripada GPT-5.4 Nano OpenAI ($0.20/$1.25) dan Gemini 3.1 Flash-Lite ($0.25/$1.50).

V4-Pro, model utama, berharga $1.74 bagi setiap sejuta token input dan $3.48 bagi setiap sejuta token output. Walaupun lebih mahal daripada varian Flash, harganya masih jauh di bawah model termaju setara. Claude Opus 4.6 berharga $5 bagi setiap sejuta token input dan $25 bagi setiap sejuta token output, manakala GPT-5.4 berharga $2.50 untuk input dan $15 untuk output bagi setiap sejuta token. Maka, model utama DeepSeek menawarkan prestasi penanda aras yang setanding pada kos kira-kira 50% hingga 80% lebih rendah.

Harga agresif ini dimungkinkan oleh peningkatan kecekapan seni bina model yang ketara. DeepSeek melaporkan bahawa dalam senario konteks sejuta token, V4-Pro menggunakan hanya 27% daripada operasi titik terapung yang diperlukan pendahulunya, V3.2, dan hanya 10% daripada saiz cache pasangan kunci-nilai. V4-Flash meningkatkan lagi kecekapan ini, dengan hanya menggunakan 10% daripada FLOP dan 7% daripada saiz cache KV berbanding V3.2.

Penganalisis industri mencadangkan tekanan harga ini boleh mendorong pelarasan pasaran yang lebih meluas. Apabila model R1 DeepSeek dilancarkan dengan kos API kira-kira 90% lebih rendah daripada tawaran setara OpenAI, pesaing bertindak dengan membuka akses kepada model canggih untuk pengguna peringkat percuma dan melaraskan struktur harga masing-masing. Dinamik serupa mungkin berlaku apabila V4 menetapkan penanda aras kos baharu bagi inferens AI berprestasi tinggi mahupun bajet.

Kebebasan Perkakasan dan Infrastruktur Latihan

Dimensi geopolitik dan teknikal yang penting dalam pelancaran V4 melibatkan infrastruktur latihannya. Tidak seperti kebanyakan model AI termaju yang dibina terutamanya menggunakan GPU paling canggih Nvidia, DeepSeek dilaporkan melatih V4 menggunakan gabungan pemecut AI Huawei Ascend 910B dan cip Cambricon MLU, dengan pengesahan dilakukan pada platform NPU Ascend Huawei.

Perkembangan ini membawa implikasi besar kepada pasaran perkakasan AI global. Disebabkan sekatan eksport Amerika Syarikat yang mengehadkan akses China kepada cip Nvidia berprestasi tertinggi, DeepSeek menunjukkan bahawa pembangunan AI pada skala termaju boleh dilakukan menggunakan cip buatan China. Jika dakwaan prestasi penanda aras model itu terbukti melalui penelitian bebas, ia akan mengesahkan Huawei dan Cambricon sebagai alternatif berdaya maju kepada Nvidia untuk latihan AI berskala besar, sekali gus berpotensi mempercepat kepelbagaian rantaian bekalan perkakasan AI.

Wei Sun, penganalisis utama AI di Counterpoint Research, berkata keupayaan V4 untuk beroperasi secara natif pada cip tempatan China boleh membawa implikasi besar terhadap matlamat kedaulatan AI Beijing.

Ini juga akhirnya akan mempercepat pembangunan AI global.

Penggunaan pada Perkakasan Pengguna

Walaupun jumlah parameternya besar, DeepSeek menegaskan bahawa versi V4 yang dikuantisasikan boleh dijalankan pada perkakasan pengguna. Syarikat itu menyatakan bahawa V4-Flash boleh beroperasi pada satu Nvidia RTX 5090 dengan VRAM 32GB menggunakan pengkuantisasian INT4, atau pada dua RTX 4090 dengan jumlah VRAM 48GB menggunakan ketepatan INT8. Model Pro, yang memerlukan 865GB untuk pemberat penuh, menyasarkan kluster GPU berbilang nod bagi inferens ketepatan penuh, namun mungkin turut menyokong strategi penggunaan penstriman.

Kemudahan akses ini berbeza ketara daripada model termaju sumber tertutup, yang memerlukan akses API dan infrastruktur pusat data. Bagi pembangun yang mementingkan privasi data, kependaman atau kos operasi yang boleh dijangka, keupayaan mengehos sendiri model bertaraf trilion parameter pada perkakasan yang boleh dibeli menandakan perubahan besar dalam ekonomi praktikal penggunaan AI.

Kesan Pasaran dan Kedudukan Strategik

Pelancaran V4 meningkatkan persaingan bukan sahaja antara pembangun AI China dan Amerika, tetapi juga dalam pasaran domestik China. Sejak kejayaan R1 DeepSeek, pesaing tempatan termasuk Qwen milik Alibaba, ByteDance dan Moonshot AI telah mempercepat pelancaran model masing-masing. Pengumuman terbaru DeepSeek serta-merta memberi kesan kepada harga saham pesaing, dengan MiniMax dan Zhipu masing-masing merosot kira-kira 8% dalam dagangan Hong Kong selepas pengumuman V4.

Seiring dengan pelancaran model itu, DeepSeek dilaporkan sedang mendapatkan pembiayaan luar buat kali pertama, dengan sasaran sekurang-kurangnya $300 juta pada penilaian melebihi $10 bilion. Sesetengah laporan mencadangkan perbincangan dengan Tencent dan Alibaba boleh mendorong penilaian itu menghampiri $20 bilion. Ini menandakan perubahan strategi daripada kebergantungan syarikat itu sebelum ini pada syarikat induk dana lindung nilainya semata-mata, High-Flyer Capital Management.

Bagaimanapun, syarikat itu berdepan kekangan infrastruktur serta-merta. DeepSeek memberi amaran bahawa kapasiti perkhidmatan bagi peringkat Pro kini terhad akibat kekurangan kuasa pengkomputeran berprestasi tinggi, dan harga dijangka turun dengan ketara hanya selepas penggunaan "supernod" Huawei Ascend 950 secara besar-besaran pada separuh kedua 2026.

Pelancaran ini juga berlaku ketika ketegangan geopolitik berkaitan pembangunan AI semakin memuncak. Rumah Putih baru-baru ini menuduh China melakukan pencurian harta intelek dalam bidang AI pada skala industri, dakwaan yang ditolak sekeras-kerasnya oleh Kementerian Luar Beijing sebagai serangan tidak berasas terhadap kemajuan teknologi China. Komitmen berterusan DeepSeek untuk mengeluarkan model sumber terbuka di bawah lesen Apache 2.0 dan MIT berbeza dengan strategi yang semakin tertutup oleh banyak makmal AI termaju Barat, sekali gus meletakkan syarikat itu sebagai peneraju pembangunan AI dengan pemberat terbuka.

Kesimpulan Utama

• DeepSeek mengeluarkan versi pratonton V4-Pro (1.6T parameter, 49B aktif) dan V4-Flash (284B parameter, 13B aktif) dengan tetingkap konteks 1 juta token
• Kedua-dua model dikeluarkan di bawah lesen sumber terbuka (MIT/Apache 2.0), membolehkan penggunaan dan pengubahsuaian komersial tanpa bayaran
• V4-Pro mencatat keputusan penanda aras yang kompetitif dengan Claude Opus 4.6 dan GPT-5.4 dalam tugasan pengekodan, pada kos 50-80% lebih rendah
• V4-Flash berharga $0.28 bagi setiap sejuta token output, menjadikannya pilihan paling murah dalam kalangan model kecil yang berkeupayaan, malah lebih murah daripada GPT-5.4 Nano OpenAI
• Model-model ini dilatih menggunakan perkakasan bukan Nvidia (cip Huawei Ascend dan Cambricon), menunjukkan adanya alternatif berdaya maju kepada cip AI Amerika
• Inovasi seni bina termasuk Seni Bina Perhatian Hibrid mengurangkan keperluan pengkomputeran sehingga 90% berbanding model generasi terdahulu
• Versi yang dikuantisasikan boleh dijalankan pada perkakasan pengguna, termasuk satu RTX 5090 atau konfigurasi dua RTX 4090
• DeepSeek mengakui model-model itu ketinggalan kira-kira 3 hingga 6 bulan berbanding sistem termaju mutlak dalam tugasan pengetahuan am
• Pelancaran ini meningkatkan tekanan harga dalam industri AI dan mempercepat persaingan dalam sektor AI domestik China