DeepSeek V4 不是开源追赶——它是把闭源派的定价锚撬出地基
DeepSeek V4 不是开源追赶——它是把闭源派的定价锚撬出地基
4 月 24 日，DeepSeek 把 1.6 万亿参数的 V4-Pro 扔到 HuggingFace，MIT 协议。SWE-bench Verified 80.6%，比 Claude Opus 4.6 的 80.8% 低 0.2 个百分点。LiveCodeBench 反超 4.7 点。Codeforces Rating 比 GPT-5.4 高 38 分。每百万输出 token 价格 $3.48——是 Opus 4.6 的 14%。
这不是又一个开源模型在追赶闭源最强。这是一次范式回应——9 天前 Anthropic 用 Project Glasswing 把"最强模型只给联盟"立成新规矩，DeepSeek 用同代性能 + MIT 权重把那条规矩撬出地基。这件事比 0.2 个百分点本身更值得拆开看。
一、开场：DeepSeek 发了一个"刻意贴着对手"的版本
先看官方公告里那一句不起眼的措辞。DeepSeek 在发布稿里描述 V4-Pro 在知识类基准上的表现，用了一个外交辞令：
"trails only Gemini-3.1-Pro"
（仅次于 Gemini-3.1-Pro）
请注意 "trails only" 这个用法。它不是"我们没追上"，而是"在所有非 Gemini 的对手里我们最强"。一句话同时完成了承认弱项和锚定第二名。把 Anthropic Opus、OpenAI GPT、Meta Llama、Mistral 全部排在 V4 之后，只用一个词。
这不是营销话术。这是定位话术。
配合另一个事实一起看：V4-Pro 在 SWE-bench Verified 上比 Claude Opus 4.6 低 0.2 个百分点，在 LiveCodeBench 上反超 4.7 个百分点，在 Codeforces 上比 GPT-5.4 高 38 分。DeepSeek 选择把发布日期定在 4-24，正好压在 Anthropic 4-16 发 Opus 4.7、OpenAI 4-23 发 GPT-5.5 之后的第二天。这不是巧合排片。
把两件事串起来，你会发现 DeepSeek 在做一件比"开源追赶"更精准的事：贴着闭源最强的性能曲线走，把每一项指标的差距压到统计噪声范围里，然后用 MIT 协议把这条等价曲线整体公开。这篇拆解要讲的第一件事是：V4-Pro 不是 DeepSeek 的下一代——它是 DeepSeek 愿意让闭源派看见的那条"我们和你齐平"的等价线。
二、三个转向：为什么 0.2 个百分点值得写篇公告
把性能贴近放一边，单看 V4 相对 V3.2 的提升，主线并不是 benchmark 峰值。值得从业者盯住的是三个非常具体的方向转变。
转向一：从"参数规模"到"训练稳定性"
DeepSeek V4 tech report 里有一段措辞冷静但杀伤力巨大的话——他们把 mHC（Manifold-Constrained Hyper-Connections，流形约束超级连接）作为方法论展开，描述这套机制把神经网络层间信号放大从 3,000 倍压到 1.6 倍。
换句话说，同样要训 1.6T 参数，过去训不稳的关键变量被压成了原来的二千分之一。对任何一家想训万亿参数模型的团队，这意味着 collapse 的概率从"工程冒险"降到"工程可控"。
这里面有一个没说出口的假设：过去三年，能否把模型训到 1T+ 是闭源大厂的核心壁垒之一。Anthropic、OpenAI、Google 都训得动，但谁都没公开怎么把大模型训稳。Buildfastwithai 在评测里把这一点说得很直白——mHC 是"行业首次"看到 1T+ 模型把训练稳定性的工程解法写进公开 tech report。
这个转向背后是行业阶段的切换。万亿参数训练的竞争焦点正在从"谁能训出来"切到"谁能让训出来的过程被复用"。开源 tech report 把曾经的"配方专利"变成了"基础设施"。下一代开源团队不需要从零摸索这条路。
转向二：从"长上下文"到"上下文成本"
DSA（DeepSeek Sparse Attention）在 1M token 上下文设置下，相对 V3.2，把单 token 推理 FLOPs 压到 27%，KV cache 压到 10%。
90% 的 KV cache 节约——这个数字在 1M 上下文场景里不是优化，是重新定价。过去半年里，agentic AI 的最大成本黑洞从来不是"模型不够强"，而是"上下文越长越烧钱"。处理 50 页文档，KV cache 撑爆显存；agent 跑 30 轮工具调用，每轮重算让响应延迟翻倍；多文件 codebase 全量上下文，每次 attention 计算都在为不会再读到的 token 付费。
V4 给这个问题发了两个并行武器。第三方评测把 DSA 拆成了 CSA（Compressed Sparse Attention）+ HCA（Heavily Compressed Attention）的混合架构。CSA 处理近端高频信号，HCA 处理远端稀疏信号，两段不同压缩比并行运行，让 1M 上下文从"研究指标"变成"商业定价的一项"。
这两段架构合起来说明一件事：DeepSeek 在把 1M 上下文产品化的颗粒度从"能跑"推到"算得清"。过去 1M 是给厂商写发布稿用的展示数字，现在它要走进定价表。
转向三：从"权重发布"到"训练栈发布"
V4 的 Muon 优化器是这一转向最明显的信号。这不是模型升级——这是把整个训练栈的非主流选择一并公开。
Muon 替代 AdamW，配合 mHC 的层间稳定方案，构成了 V4 训练栈的两个关键非默认选择。这家中国团队没有沿用美国大厂的默认配方，而且把这套自选配方作为方法论一并公开。
有意思的地方在于 Muon 这一项相对其他两项创新而言收益小很多——它单独不会让人写头条。但 DeepSeek 仍然把它写进 tech report 并展开。这是一个极具信号的工程动作：他们在发布一份"完整可复现的训练栈"，而不是发布"我们训完之后的成果"。如果一个开源团队用 V4 同款 mHC + DSA + Muon 训出第二个 1T 模型，DeepSeek 不损失什么——损失的是闭源派的"训练栈是黑箱"这层叙事。
这一转向的隐含判断是：模型权重的差异化红利在变薄，训练栈的可复现性在变厚。同一套权重，谁把它的训练过程组织成更可复制的工程方案，谁就赢得开源生态的下一棒。Llama 3、Qwen3、Mistral 都在做这件事；DeepSeek 这次直接亮底牌，意味着它认为这个战场重要到不能藏着掖着。
三、Benchmark 真相：亮眼数字背后的偏科
V4 公布的 benchmark 数字确实好看：
| 指标 | DeepSeek V4-Pro | Claude Opus 4.6 | GPT-5.4 | Gemini-3.1-Pro |
|---|---|---|---|---|
| SWE-bench Verified | 80.6% | 80.8% | — | — |
| LiveCodeBench | 93.5% | 88.8% | 91.7% | — |
| Codeforces Rating | 3206 | — | 3168 | 3052 |
| Terminal-Bench 2.0 | 67.9% | 65.4% | — | — |
| HMMT 2026 Math | 95.2% | 96.2% | 97.7% | — |
| HLE | 37.7% | 40.0% | 39.8% | 44.4% |
| SimpleQA-Verified | 57.9% | — | — | 75.6% |
数据来自 Buildfastwithai 的独立横向评测，DeepSeek 官方 tech report 与 HuggingFace 模型卡交叉验证。
看起来是和闭源最强齐平。但如果你把分项拆开看，故事就不一样了：
V4 是一个代码强、数学贴近、知识弱的偏科模型。LiveCodeBench 第一、Codeforces 第一、Terminal-Bench 第一——这三项是 agent coding 场景的核心指标，V4 全部领先。HMMT Math 95.2%，比 GPT-5.4 的 97.7% 低 2.5 点；HLE 37.7%，比 Gemini 的 44.4% 低 6.7 点；SimpleQA-Verified 57.9%，比 Gemini 的 75.6% 低 17.7 点。SimpleQA 测的是"模型记住多少世界事实"——V4 在这一项上的差距已经超出"统计噪声"，进入"产品体验差异"。
这带来一个很有意思的变化：benchmark 榜单不再是单纯的能力展示，它成了一个范式选择工具。DeepSeek 把 V4 的强项集中在 agent coding，知识类弱项用一句 "trails only Gemini-3.1-Pro" 包过去——这是一种 capability targeting + restraint signaling 的组合拳。既让闭源派在他们最赚钱的代码场景里被同代追平，又把"知识深度"这个 V4 暂时打不动的战场让出去。
发布稿里没把 SimpleQA-Verified 的 17.7 点差距放在显眼位置——他们更关心的不是跟 Gemini 比知识深度，而是强调"代码场景我们和闭源最强齐平"这个叙事。这条叙事如果成立，对靠代码场景吃饭的 Anthropic 和 OpenAI 来说，护城河被动一根钢筋。
四、定价权：一个被轻描淡写的范式转折
回到价格表。V4-Pro 输出 $3.48/MTok，Opus 4.6 输出 $25/MTok。这是整个发布里商业密度最高的一组数字，但 DeepSeek 把它放在公告中段，没展开讲。
定价权易手意味着什么？意味着一个开源模型可以在同代性能下，把闭源派的边际溢价从"无限大"压到"21.52 美元每百万输出 token"。这在过去是非常难做的——开源和闭源之间通常隔着一代到两代性能差距，溢价怎么定都说得通。V4 在这里宣称他们做到了精准对齐：SWE-bench 差 0.2 点（统计噪声）、LiveCodeBench 反超、Codeforces 反超、Terminal-Bench 反超。代码场景下，"更强所以更贵"这个锚点失去了基础。
这件事的副作用已经显现。一周前，Anthropic 增长主管 Amol Avasare 在 X 上有过一段相当诚实的承认：
"Usage has changed a lot and our current plans weren't built for this."
（使用模式变化很大，我们现有的计划方案并不是为此设计的。）
"Per-subscriber usage has increased significantly, and our current plan architecture was not designed for this scale."
（每个订阅用户的使用量大幅增加，我们现有的计划架构不是为这种规模设计的。）
这是 Anthropic 自己暴露出来的 agent loop 消耗模型架构裂缝——agent 长跑（数小时无人值守的后台执行）让单席位实际算力消耗从聊天量级跳到持续算力量级，按席位计费的订阅模型在 agent 时代有结构性瑕疵。同一周内，Anthropic 把 Claude Code 从 Pro 计划悄悄移除（4-21），OpenAI Codex 团队公开声明 "Codex stays in Plus ($20/month)"（4-22），开发者社区两边都炸了。
这是一个被低估的 AI 商业节点。如果 V4 的定价能维持，未来可能看到的模式是：一个底座模型，开源 + 同代性能 + 14% 价格，三件套同时压在闭源派的定价表上。一条具体的算账线就摆在工程师桌上——一条月输出 5000 万 token 的 agent 流水线，V4-Pro 月成本 $174，Opus 4.6 月成本 $1,250，差额 $1,076。一年差 $12,912。一个 50 人团队差 $645,600。
DeepSeek 没明说，但这组算式的存在本身就是范式的一次预演——对内部代码场景，给的是"开源同代版"（V4-Pro）；对需要事实查询深度的场景，给的是"专项闭源版"（Gemini / Opus）。同一份模型选型清单，两种定价逻辑。
五、一个新概念：定价权易手（Pricing Anchor Drift）
把同代性能 + MIT 权重 + 14% 价格 + agent loop 消耗模型这几件事串起来看，DeepSeek 实际上完成了一个可以叫做 Pricing Anchor Drift（定价权易手） 的范式动作。
过去三年 LLM 行业的默认假设是"闭源最强 = 闭源定价锚"。GPT-4 比 GPT-3.5 强所以更贵，Opus 比 Sonnet 强所以更贵，闭源最强比开源最强强所以更贵。强即贵，贵即合理。
定价权易手打破了这个假设。它把定价拆成四个层级：
Layer 0 — 能力锚消失：当开源在核心场景（agent coding）和闭源差距压进统计噪声，"更强所以更贵"失去了锚点（V4-Pro vs Opus 4.6 的 0.2 点差距即是此层）。
Layer 1 — 价格锚下沉：开源价格成为新的市场参考价。$3.48/MTok 的输出价格不是 V4 的卖点——它是闭源派下一次定价时的天花板。
Layer 2 — 溢价范围被压扁：闭源能维持的边际溢价从"无限大"压到"21.52 美元每百万输出 token"。这个数字会进所有专业 AI 投资人的估值模型分母。
Layer 3 — 护城河被迫迁移：闭源派的护城河叙事必须从"模型能力领先 X 代"换成"安全合规护栏 + 应用生态 + 企业部署稳定性"——能力维度的护城河被开源强行展平。
这个四层结构让 DeepSeek 一次性解决了几个矛盾：既能向开源生态展示完整训练栈，又能向闭源派展示同代等价；既能用 MIT 协议保留开放性，又能用 14% 价格直接压定价权。这是一个精巧的产品分层。
OpenAI 和 Anthropic 目前都还没有对应这种结构的反制方案。这可能意味着两种解读：要么它们准备硬扛能力溢价直到下一代模型断层式领先；要么它们正在筹划新的定价结构（按席位 + 按 token 复合定价、agent loop 专项定价、Tier 1 联盟豁免定价）但还没找到对外陈述的框架。无论哪种，DeepSeek 的这次发布都在行业里立了一个 precedent——未来如果 Llama 5 或 Qwen 4 发了一个"性能贴近 + MIT + 价格再低一档"的版本，我们知道它的剧本是谁写的。
六、盲区：这次发布没说的事
有几件事值得专门拎出来看 DeepSeek 没说的部分。
第一，33T tokens 训练数据的来源没公开。DeepSeek tech report 里声称的 33 万亿 token 训练数据，没给出版权来源 / 合成数据 / 第三方蒸馏的占比。DeepSeek 历史上有过 OpenAI 控诉"蒸馏 GPT-4"事件未结案。33T 这个量级，纯靠合规公开数据 + 开源数据集是非常紧的。版权官司一旦推进，"训练数据来源"是技术之外的 wildcard。这是 DeepSeek 有意保留的信息暗场。
第二，"Preview" 标签在传话。模型卡里写 "preview release—further post-training refinements are expected"。和 Anthropic 给 Mythos / Claude Design 加 "Research Preview" 是同种话术——能力天花板可以发布，稳定性边界场景没保证。production agent 场景下，版本锁定是值得纳入风险预案的项。具体的边界：连续工作 4 小时后任务完成度下降多少？多步工具调用失败率？这些运营级指标都没公布。这让 V4 的"agent coding 第一"听起来更像是 benchmark 瞬时分数，而不是工程级 SLA 指标。
第三，价格的可持续性。$3.48/MTok 是当前定价，不是承诺定价。1.6T 参数推理成本不会真的只有这么低——这个价格能撑多久 DeepSeek 没说。2024 年 V3 发布时 DeepSeek 也曾有过把价格压到对手 1/10 的动作，半年后部分场景定价回调过。"价格政策可能调整"是要进财务模型分母的风险变量。一个团队 all-in 押注 V4 成本结构时，至少要预留闭源兜底的开关位。
第四，API 在中国基础设施。这条对中国从业者无影响，对要做美国 / 欧盟 enterprise 客户的开发者是硬约束。开源权重可以本地部署绕过这条，但调 chat.deepseek.com API 时数据出了境内基础设施。这条 Western 媒体在 4 月 24 日发布稿后已经在追问，国内媒体几乎不提。
第五，差异化训练的反应没出。Anthropic 4-16 在 Opus 4.7 公告里展开过 differential training 的方法论——在训练阶段精确削弱某些能力同时保留其他。V4 tech report 里完全没回应这条技术路径。这个可能是 DeepSeek 接下来一年最值得观察的方向：开源派会跟进 differential training，还是反过来用 MIT 协议把"无差异化"作为反向护城河？这个问题 V4 没给答案。
七、对 AI 从业者意味着什么
把以上都整理完，对不同角色的从业者有具体的判断提示：
对 AI 应用开发者。把 V4-Pro 加进路由层做 A/B 测试是本周值得排进迭代周期的事。具体做法：选 3-5 个核心 agent 任务（多文件 bug 修复、code review、文档查询、终端脚本生成），用相同 prompt 同时跑 V4-Pro / Opus 4.6 / GPT-5.4，对比通过率和成本。当 V4-Pro 在核心任务上通过率不输 Opus 4.6 的 95% 时，切换是值得的——70% 的成本节约会直接落到财务报表。事实查询类子任务（agent 长跑里需要查事实的环节）保留闭源模型做兜底，是更稳的姿势。
对 AI 创业者 / CTO。成本模型可能需要重写。过去六个月假设的"模型成本占比"如果还是 30-40%，现在有机会压到 5-10%。省下来的钱用来扩团队还是扩并发，是一道战略选择题——同样预算下 agent 同时跑的并发数从 100 提到 1000，意味着 SLA 和定价层都要重新设计。模型供应商分散是值得在这一波纳入架构原则的——开源 + 闭源至少各两家，避免被任何单家定价权劫持。
对企业 IT 决策者。之前因为合规没法用 DeepSeek API（数据出境、监管）的团队，MIT 开源权重打开了本地部署通路。V4-Flash 284B / 13B active 在 4×H100 80GB 上可推理——这条路径之前需要 H100 集群门槛已被打破。本地部署 + 开源权重 + 同等性能的合规通路，是供应商评估表里值得加列的一项。
对中国 AI 从业者。这是 Moonshot PrfaaS（4-16 发布的相位地理解耦论文，把 prefill 和 decode 分到不同数据中心跑）和 DeepSeek V4 同月双发的第二刀。中国团队同时在系统层和模型层输出，Western 媒体的"中国 AI 在追赶"叙事过时了。把这两条线连起来读，下一波"中国 AI"叙事会是基础设施 + 模型双轮——这个判断值得记入路线图。
对 AI 投资人。据公开融资文件，Anthropic 在 2026-02 完成 Series G $30B @ $380B post-money，行业分析师预期 2026-10 IPO（目标 $60B 融资）。V4 把闭源最强模型的边际溢价从"无限大"压到"21.52 美元 per MTok"。这个数字会进所有专业 AI 投资人的估值模型分母。Anthropic 的 IPO pitch 里"我们的模型能力领先 X 代"这种话不能再用——领先维度要换成 RSP / Glasswing 联盟 / 应用生态。估值锚从"模型稀缺性"换到"政策护城河 + 应用生态"，是 Anthropic 接下来 6 个月叙事的必修课。
对行业观察者。Pricing Anchor Drift 是未来 12 个月的核心看点。观察 Llama 5、Qwen 4、Mistral 下一代会不会跟进类似定价（同代性能 + 更低价格），以及监管者（特别是 AISI、欧盟 AI Office）会不会把"开源同代等价"写进合规模板做反垄断参考。如果写进去了，那闭源派的能力溢价空间会被进一步合规压缩。
八、本期关键词
0.2 个百分点（The 0.2 Gap） —— DeepSeek V4-Pro 与 Claude Opus 4.6 在 SWE-bench Verified 上的差距（80.6% vs 80.8%），位于统计噪声范围内。为什么值得知道：这是开源和闭源在 agent coding 核心场景上同代等价的物理证据，是定价权易手的起点。
14% 定价（14% Pricing） —— V4-Pro $3.48/MTok 输出价格相对 Opus 4.6 $25/MTok 的比例。为什么值得知道：决定 agent loop 长跑场景下的真实成本边界，未来 12 个月所有 AI 厂商定价时的隐藏天花板。
Manifold-Constrained Hyper-Connections（mHC，流形约束超级连接） —— DeepSeek V4 的训练稳定性核心创新。把神经网络层间信号放大从 3,000 倍压到 1.6 倍，让 1.6 万亿参数训练不崩。为什么值得知道：这是行业首次有 1T+ 模型把训练稳定性的工程方案放进开源 tech report，下一代开源团队不需要从零摸索。
DeepSeek Sparse Attention（DSA，稀疏注意力） —— 让 1M 上下文相比 V3.2 节约 73% FLOPs / 90% KV cache 的注意力机制。第三方评测拆解为 CSA（Compressed Sparse Attention）+ HCA（Heavily Compressed Attention）的混合架构。为什么值得知道：和 Moonshot PrfaaS 同月发布构成 KVCache 压缩的两条并行路径——模型架构压 KV，基础设施压 KV 传输——让 1M 上下文从研究指标变成商业定价的一项。
Muon 优化器（Muon Optimizer） —— V4 用来替代 AdamW 的训练优化器。和 mHC 一起构成 V4 训练栈的两个非主流选择。为什么值得知道：这一项单独看收益有限，但它的存在标志着 DeepSeek 公开的不是模型权重而是完整可复现的训练栈——训练栈可复现性正在成为开源生态新一轮的差异化维度。
Pricing Anchor Drift（定价权易手） —— 当开源在核心场景和闭源差距压进统计噪声，闭源派"更强所以更贵"的能力锚失去基础，开源价格成为新的市场参考价。为什么值得知道：可能成为未来 12 个月所有前沿 AI 厂商商业策略的隐藏主线，是估值锚从"模型稀缺性"迁移到"政策合规 + 应用生态"的触发器。
三叉发布范式（Three-Fork Release） —— 2026-04 同周出现的三种最强模型发布姿势：Anthropic 的 Tiered（最强不公开，给 Glasswing 联盟）、OpenAI Codex 的 $20 锚定（性价比兜底）、DeepSeek 的 Open（最强直接给 + 14% 价格）。为什么值得知道：这是 LLM 行业第一次三种发布范式在 9 天内同台亮相，三种范式对"未来 12 个月谁定价"的不同押注会塑造下一个产品周期。
护城河迁移（Moat Migration） —— 当模型权重本身不再是壁垒，闭源派护城河从"模型稀缺性"被迫迁移到"政策合规 + 应用生态 + 企业部署稳定性"。为什么值得知道：是未来 12 个月所有头部 AI 厂商对外叙事的隐藏主线，也是 IPO pitch 必须重写的部分。
原文关键引用
"trails only Gemini-3.1-Pro"
（仅次于 Gemini-3.1-Pro。）—— DeepSeek V4 官方发布稿（在知识领域的对手选择措辞）
"Constrains signal amplification from exceeding 3,000x to 1.6x, enabling stable training at 1.6 trillion parameters."
（把信号放大倍数从超过 3000 倍约束到 1.6 倍，让 1.6 万亿参数稳定训练成为可能。）—— DeepSeek tech report，经 Buildfastwithai 引述
"Usage has changed a lot and our current plans weren't built for this."
（使用模式变化很大，我们现有的计划方案并不是为此设计的。）—— Amol Avasare, Anthropic 增长主管（X, 2026-04-21）
"Codex will remain available in both the free and Plus ($20/month) plans."
（Codex 将在免费版和 Plus（$20/月）计划中继续开放。）—— OpenAI Codex 团队声明（2026-04-22）
引用
- DeepSeek V4 Preview Release —— 本期拆解原文（DeepSeek 官方公告，2026-04-24）
- DeepSeek-V4-Pro on Hugging Face —— 模型权重 + 模型卡 + Tech Report PDF
- DeepSeek V4-Pro Review: Benchmarks, Pricing & Architecture —— 第三方独立横向评测，含完整 benchmark 表 + 价格对比 + 月度成本计算
- Anthropic tests reaction to yanking Claude Code from Pro —— Avasare 公开承认订阅架构问题的来源
- Introducing Claude Opus 4.7 —— 9 天前 Tiered Release 范式发起者，本文是其在开源轨上的反向回应
- Moonshot PrfaaS: Prefill-as-a-Service —— 同月中国系统层另一刀，和 V4 构成基础设施 + 模型双轮输出