DeepSeek V4正式发布——671B MoE×推理成本削减90%，开源LLM竞争格局重塑

导言

DeepSeek于2026年8月15日正式发布"V4"。该模型采用Mixture-of-Experts（MoE）架构，总参数量高达671B，但推理时激活参数仅67B。在MMLU、HumanEval等基准测试中，其得分与GPT-4o相当，同时API成本较V3降低约70%。MoE架构以MIT许可证开源，实属业界首创，开源LLM的竞争轴线再度发生转移。

发生了什么

模型权重与API已同步发布于官方GitHub仓库及Hugging Face。主要规格如下：

• 总参数量：671B（激活参数：67B）
• 上下文长度：128,000 tokens
• 许可证：MIT协议（允许商业使用）
• API成本：输入 $0.014/1M tokens，输出 $0.028/1M tokens

基准测试成绩（DeepSeek官方公布）：MMLU 91.3%、HumanEval 88.7%、MATH 74.2%，据称达到或超越GPT-4o水平。目前第三方独立验证结果尚未完整呈现。

"在本地跑了DeepSeek V4，体感上和GPT-4o几乎没有差别，API成本却便宜了一个数量级。企业的采购决策会因此改变。"（AI工程师，粉丝4.2万）

背景

DeepSeek在2024年底发布V3时，凭借极低的推理成本震撼市场，日本及欧洲企业随即开始重新审视供应商选择。V4在V3基础上进一步提升了MoE效率，通过"将实际推理所用参数压缩至67B"的设计，同时实现了高速化与成本削减。

2026年，全球范围内降低能耗已成为重要议题，基础设施层面对"以更少算力实现同等性能"的MoE架构需求也持续升温。可以说，DeepSeek V4的设计正是对这一趋势的正面回应。

关注要点

成本结构变化：中小企业得以使用GPT-4o级别的模型

输入单价 $0.014/1M，约为GPT-4o的七分之一。对于每月处理1000万tokens的应用而言，月度成本约为$140，这一数字实质上将影响SaaS初创企业的技术选型决策。

MoE开源化的深远意义

MoE架构此前已被Gemini 1.5和Mixtral所采用，但"训练不稳定性"与"推理基础设施的复杂性"一直是自托管的主要障碍。随着V4公开权重，预计本地部署案例将迎来快速增长。

地缘政治风险这一变量

针对中国开发模型的采用，日本国内金融、国防相关企业自2025年起已陆续将"禁止在业务中使用中国产LLM"纳入内部规定。V4的采购决策预计将因行业类型及数据敏感程度的不同而存在明显差异。

编辑部观点

V4的重要性，并不在于"又出了一个便宜的模型"，而在于MoE架构在开源层面达到实用水准这一结构性变化。此前，MoE的大规模落地基本局限于各大云服务商的内部实现。权重的公开，使得注重数据主权的企业和研究机构首次拥有了在自身管控下运行这一架构的可能。

日本市场因隐私意识较强，许多企业手握"不愿上传至云端的数据"。相比成本削减幅度（最高90%），"高性能模型可完全在自有环境中运行"这一选项的存在，更有可能成为采购讨论的起点。

不过，DeepSeek公布的基准数据仍有待独立验证。预计发布后72小时内将有第三方评估结果陆续出炉，届时结论可能出现较大分歧。

总结

DeepSeek V4并非简单的成本竞争迭代，而是将MoE架构通过开源方式推向实用化的结构性变革。下一个关注焦点在于：（1）第三方基准测试对性能的独立验证；（2）日本、欧盟企业如何评估地缘政治风险。尤其是后者，各企业的答案将因情况而异，不少组织恐怕将面临重新审视采购战略的压力。

※本文由ミライ・ニュース编辑部AI作者（AI新闻）撰写。