直接结论
DeepSeek V4 Preview 在三个地方有实质性改变：长上下文处理（最高 1M token）、基于 MoE 架构的低成本推理、以及 Agent 任务表现提升。它没有在所有场景下替代闭源前沿模型。如果你的工作涉及大型代码库、多文档研究、或 API 规模的部署，V4 值得认真对待。如果你是普通用户，这次升级基本感知不到。
V4 真正改变了什么
DeepSeek V4 Preview 不是小幅迭代，结构上有三个变化。
架构：MoE（混合专家）意味着每次请求只激活部分参数——Pro 激活 49B，Flash 激活 13B——这也是为什么两个版本的速度和成本都比参数量看起来要划算。
上下文窗口：1M token 是上限，不是默认值。大多数 API 调用根本用不到这个量级。
模型线：DeepSeek 将于 2026 年 7 月 24 日下线旧版模型。V4 是唯一的延续路径，没有观望空间，这是硬截止日期。
V4 能做什么
长文档处理 —— 1M 上下文让以前需要拆分处理的任务变得可行：完整仓库分析、500 页法律文件、多文件代码库整体输入。
复杂推理与 Agent 任务 —— V4-Pro 在多步规划、工具链调用、研究类工作流上的表现，在结构化任务评测中已接近闭源模型水平。
规模化 API 调用的成本控制 —— V4-Flash 以接近 Pro 的质量跑在更低的成本上。对高频推理团队来说，这是 V4 最有实际价值的变化。
开放权重部署 —— 权重已在 Hugging Face 开放，自托管是真实选项，不是概念。
V4 做不到什么
1M 上下文对大多数任务并不实用。 Token 成本线性增长。如果你的问题只需要 10K token 就能回答，却输入了 500K token，结果是贵且慢。上下文大小是能力上限，不是推荐用法。
V4-Flash 不等于 Pro。 在结构化推理 benchmark 上，Pro 明显优于 Flash。短查询和创意类任务差距缩小，复杂编程和 Agent 链路上差距不消失。
它不能在所有场景替代闭源前沿模型。 V4-Pro 在部分 benchmark 上与 GPT-4o、Claude 3.7 持平。在另一些上没有。发布时的"SOTA"声明需要用你自己的任务分布实测后再做判断。
高上下文场景下的生产稳定性仍在建立中。 早期开发者反馈显示，500K token 以上的输入存在延迟不稳定的情况。能力是真实的，生产可靠性还在验证阶段。
灰色地带：大多数人在哪里判断错
"1M 上下文意味着可以把所有东西都塞进去。" 技术上可以，实际上：成本和延迟随上下文长度线性增长。50K–200K token 是 V4 表现好且成本合理的区间。超过这个范围，你在为能力上限付钱，不是为性能付钱。
"Flash 够用了。" Flash 能处理 80% 的生产场景。剩下 20% 的边界在：深度推理链、复杂多工具 Agent、需要长输出连贯性的任务。在 Flash 上撞到这些墙，才是换 Pro 的信号——不是提前换。
"开源等于免费。" 开放权重意味着可审计、可自托管，不等于零成本。自托管 V4-Pro 需要大多数团队不具备的硬件。API 定价该收的还是会收。
能力边界速查表
| 能力 | V4-Pro | V4-Flash | 备注 |
|---|---|---|---|
| 1M token 上下文 | ✓ | ✓ | 成本与延迟随用量线性增长 |
| 复杂推理 / 编程 | 强 | 中等 | Pro 在 benchmark 上明显领先 |
| Agent 任务链 | 强 | 有限 | Flash 在长链路上容易断 |
| 高频 API 调用 | 可用 | 最优 | Flash 是默认首选 |
| 自托管部署 | 可行 | 可行 | 需要较高硬件配置 |
| 全面替代 GPT-4o | 部分 | 否 | 取决于具体任务类型 |
| 500K+ 上下文生产稳定性 | 早期 | 早期 | 延迟不稳定问题有报告 |
谁最先碰到边界
API 开发者和自动化构建者 —— 如果你在用 Flash，在复杂任务上遇到质量问题，那是该用你实际 pipeline 对比测试 Pro 的信号。
研究员和分析师 —— 1M 上下文对文档密集型工作确实有用。大多数人最先碰到的限制是预算，不是能力。
从旧版 DeepSeek 迁移的团队 —— 2026 年 7 月 24 日是硬截止。大多数情况下迁移只需要换模型名称，但在截止前用真实 prompt 测一遍是不能省的步骤。
普通用户 —— V4 对日常使用几乎没有感知变化。这次改进在基础设施和 API 层面。
常见问题
Pro 和 Flash 该默认用哪个？ 从 Flash 开始。如果你的具体场景在推理或长输出上出现质量下滑，再做 Pro 的并行 benchmark。不要在没测试的情况下提前付 Pro 的价格。
1M 上下文现在能正常用吗？ 能力是存在的。开发者反馈显示 500K token 以上的生产稳定性仍处于早期阶段。200K 以内目前稳定性较好。
旧版 DeepSeek 模型什么时候必须迁移？ 下线日期是 2026 年 7 月 24 日。现在还没开始测 V4 的团队该动了。
V4 真的是 SOTA 吗？ 在开放权重模型里，是第一梯队。对比闭源前沿模型：部分 benchmark 有竞争力，不是全面领先。用你自己的任务类型跑一遍再下结论。
开源意味着可以免费用吗？ 不。开放权重意味着可以查看和自托管模型。V4-Pro 规模的自托管需要相当的计算资源。云端 API 访问有正常定价。
最终判断
DeepSeek V4 是第一个在长上下文处理、Agent 性能、推理成本三个维度上同时达到竞争水平的开放权重模型。这是真实的结构性变化，不是营销说法。
需要避免的错误：把 1M 上下文当默认配置而不是能力上限，以及在没验证 Flash 是否真的不够用之前就选 Pro。大多数生产工作负载属于 Flash。大多数上下文输入不需要超过 200K。清楚自己的工作流落在哪个区间，才能判断 V4 对你来说是重大升级还是微小改进。