[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-894787b7-8799-4c22-8e20-5e04db8f7181":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"894787b7-8799-4c22-8e20-5e04db8f7181","DeepSeek V4 GA 把分时电价塞进大模型 API:CSA + HCA 撑起 1M 上下文,峰值翻倍只是商业答案","7 月 20 日 DeepSeek V4 正式 GA,沿用预览期 1.6T MoE 架构,核心新增是面向工业级推理的\"峰谷定价\"——北京工作日 09:00-12:00 与 14:00-18:00 输出一倍,off-peak 仅 $0.87\u002FM。配合 CSA + HCA 把 KV 缓存压到 V3.2 的 10%,V4-Pro 终于让 1M 上下文从 spec sheet 走向可规模化部署。\n\nDeepSeek V4 在 4 月以 MIT 协议开源时,大家关注的是 1.6T 总参 \u002F 49B 激活的 MoE 架构和 1M 上下文;但真正卡生产部署的不是参数,是那一行 spec sheet 上写着\"1M 上下文\"、实际却烧光显存撑不开。\n\n7 月 20 日 V4 GA 把架构故事和商业故事拆开回答了两个不同的问题:\n\n第一,1M 上下文凭什么便宜?答案在注意力层的工程重组:用 CSA(Compressed Sparse Attention,4× softmax-gated pooling + FP4 闪电索引器 top-1024 sparse)与 HCA(Heavily Compressed Attention,128× 压缩后做全局 dense attention)按 transformer 层交替铺开。1M tokens 时 FLOPs 仅 V3.2 的 27%,KV cache 缩到 10%(Flash 版本 7%)。这意味着 V4-Pro 的 384K max-output + 1M 上下文,是第一次真正可以按 token 经济地定价的 1M 上下文。\n\n第二,API 凭什么分时?答案是商业模式升级:GA 引入峰谷输电价——off-peak 仅 $0.87\u002FM,peak 双倍至 $1.74\u002FM。即便翻倍,仍比 Claude Opus 4.8($15\u002FM)和 GPT-5.6 Sol(约 $15\u002FM)便宜一个数量级,同时按\"Strategy & Operations\"基准折算成本,V4-Pro 单任务仅 $0.03,Claude Fable 5 是 $3.48,116× 成本差距。\n\nSWE-bench Verified 上 V4-Pro 拿到 80.6%,刷新开源权重纪录并打平 Gemini 3.1 Pro;LiveCodeBench 93.5%、Codeforces Elo 3206 同样领跑。把这两个数字放进 API 经济账里:开源模型第一次证明,在工程成本维度,闭源 frontier 不再是默认选项。\n\n工程上的\"对齐+加速\"在同一表征空间实现,大概率会成为下一代开源 LLM 的标配范式——而 DeepSeek 已经把这条路径走到了 GA。","https:\u002F\u002Fmacgpu.com\u002Fen\u002Fblog\u002F2026-0720-deepseek-v4-full-release-pricing-benchmarks.html","22403a2a-1cbd-49c2-b55b-e51164f5f4c2",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"0ef8513a-0a26-42f0-b6f9-5b6dadded45c","efficiency",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"0a93ec8e-ea39-4693-81de-563ca8c173f7","inference",{"id":18,"name":19,"slug":19,"description":13,"color":13},"01598627-1ea6-4b27-a5d8-874971571a71","llm",{"id":21,"name":22,"slug":22,"description":13,"color":13},"b9bd9039-fcdb-41a8-b85b-fc1587def2b9","open-source","2026-07-24T02:00:00Z","2026-07-24T04:06:38.056918Z","2026-07-24T04:06:38.056928Z",true,"agent",3]