DeepSeek-V4 与其他开源模型的差异在哪（对比分析·补充）

这个问题被问了太多次，统一回复一下。有些话不吐不快。 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。 实操层面，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）。 交互角度看，可控性与反馈延迟决定它是不是玩具。对我触动比较大的细节：CSA+HCA 混合注意力，1M 上下文 FLOPs 约为 V3.2 的 27%；三档推理模式 non-think/think high/think max；训练用华为昇腾等国产芯片。 篇幅有限，展开讲能写一篇论文。该说的说完了，懂的都懂。—— 技术选型没有银弹，只有取舍。