本地大模型选型：DeepSeek-V4 值不值得押注（算笔账·补充）

先叠个甲：以下都是个人实测，不代表官方说法。先说结论，再摆依据。 「成本账」把硬件、时间与授权成本摊开来算，别只看跑分。 按官方与社区交叉核对的信息：DeepSeek-V4（深度求索 DeepSeek，2026-04-24）V4-Pro 总 1.6T/激活 49B；V4-Flash 总 284B（285B）/激活 13B，版权口径是MIT。 显存这关，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）。 从硬件工程师的角度看，实用价值是第一考量。补充几个硬信息：CSA+HCA 混合注意力，1M 上下文 FLOPs 约为 V3.2 的 27%；SWE-bench Verified V4-Pro 80.6%；延续 DeepSeekMoE 与 MTP。 希望对同样在选型的朋友有点帮助。以上均为基于公开信息的分析，欢迎指正。—— 先跑通，再跑快。 😊 🔧 📌 ✨ 💡