2026年4月24日，DeepSeek V4发布。它带来的最直观冲击不是某项能力登顶，而是一个价格：处理一百万字的上下文，最低只要2毛钱。

在此之前，处理百万Token（约70万字）的长文本，是Google Gemini等少数巨头的“高端玩具”，成本高昂到普通开发者甚至不敢想。而DeepSeek V4一出手，就把这个能力变成了全系标配，价格打到了地板。这背后不是简单的补贴，而是一场从算法根源开始的效率革命。

传统架构的“死结”，被一个巧妙的类比解开

要理解V4的突破，得先看传统大模型处理长文本的困境。标准的Transformer注意力机制，可以想象成一场没有主持人的会议：每个人发言时，都要转头跟之前所有发言者逐一确认眼神、交流意见。参会者从10人增加到100人，交流次数不是变成10倍，而是100倍。

这就是计算量随序列长度平方级增长的“死结”，让百万上下文的商业化成本高不可攀。

DeepSeek V4的解法则像引入了一个聪明的“会议纪要员”系统，它由两种角色交替工作：

CSA（压缩稀疏注意力）：好比一个速记员。每4个人的发言，他快速总结成1条要点。当新发言人需要参考时，他不用去读所有原始记录，而是先快速浏览这些要点，只挑出最相关的几条，再去看详细内容。这解决了“算什么”的问题，大幅减少了计算量。HCA（高度压缩注意力）：像一个做宏观摘要的秘书。他把每128个人的发言，压缩成1条高度概括的总结。虽然信息很粗，但确保了新发言者能感知到整个会议的全局脉络和遥远话题。这解决了“存什么”的问题，把需要存储的“记忆”（KV缓存）体积压到极致。

这两种机制在模型的不同层级交替使用，形成“细粒度抓局部，粗粒度管全局”的组合拳。效果是颠覆性的：在百万上下文场景下，V4-Pro模型处理每个词元（Token）所需的计算量，骤降至前代V3.2的27%；而临时记忆（KV缓存）的占用，更是降到了只有10%。

V4-Pro版本：输出价格仅为Claude Opus 4.7的14%。

这个定价不是赔本赚吆喝，而是技术重构成本结构后的自然结果。官方也明确表示，当前价格仍受高端国产算力产能限制，随着下半年昇腾芯片批量上市，价格还有进一步下探空间。

开源普惠，让“基础设施”的定义权易主

DeepSeek V4选择了一条更激进的路：全栈开源。它不仅以MIT协议开源了1.6万亿参数的模型权重，还发布了58页的详细技术报告。知名开源开发者Simon Willison根据报告，成功复现了其核心压缩模块，将百万上下文的缓存内存从12GB压到了850MB。

这种“可验证、可复现、可商用”的彻底开源，让开发者不仅能“用车”，还能研究“发动机”、甚至自己“改装”。ModelScope平台数据显示，V4上线72小时内下载量超12万次，开发者基于它微调出了金融、医疗等27个垂直领域模型。

开源，将百万上下文从一项需要付费调用的“服务”，变成了开发者可以自由集成、优化的“基础设施组件”。

市场的反馈是分裂而真实的。中小开发者欢欣鼓舞，“百万上下文只要1-2元，用来做翻译爽翻了”。但专业用户也指出其短板：百万上下文中间区域信息召回率不足60%，有效覆盖约50万字；响应速度比GPT-4 Turbo慢30%；复杂推理偶发错误。

这清晰表明，V4的战略是以工程效率的极致优化，换取普惠的价格和可用性，在绝对精度和响应速度上则有所妥协。

所以，DeepSeek V4何以让百万上下文成标配？它用一套“混合压缩注意力”的算法巧思，解开了平方级复杂度的死结；用MoE稀疏激活和量化技术，把算力需求打了下来；再结合国产算力的深度适配，重构了成本曲线；最后用彻底的开源策略，将这项能力像水电一样接入千行百业的工具箱。

它不是单纯赢得了某项评测，而是重新定义了“一项AI核心能力该如何被规模化、低成本地交付”。从此，处理超长文本，不再是一个需要反复权衡成本的“奢侈选项”，而是一个可以随手使用的“默认配置”。