从 DeepSeek-V4 看开源大模型这两年的变化（对比分析）

看到大家讨论得热闹，我也来抛块砖。不整虚的，直接上数字。 这次「横向对比」不吹不黑，把它和同赛道选手放在一张表里看差距。 先摆事实：DeepSeek-V4（深度求索 DeepSeek）2026-04-24 发布，V4-Pro 总 1.6T/激活 49B；V4-Flash 总 284B（285B）/激活 13B；授权方式为MIT。 落地时绕不开的资源问题——V4-Flash 权重约 160GB；V4-Pro 约 865GB（本地需多卡，社区称双 4090/单 5090 跑量化）。 从工程落地角度看，集成成本和推理稳定性比刷榜分数更值得盯。值得划重点的地方：三档推理模式 non-think/think high/think max；SWE-bench Verified V4-Pro 80.6%；CSA+HCA 混合注意力，1M 上下文 FLOPs 约为 V3.2 的 27%。 觉得有用的话，回帖告诉我。数据都摆在这，结论大家自己判断。—— 欢迎评论区继续聊。