Ang bagong henerasyon ng mga modelo ng DeepSeek ay naging sentro ng debate sa teknolohiya na may napakalinaw na mungkahi: konteksto ng hanggang isang milyong token at isang arkitektura ng higit sa isang trilyong mga parameter Dinisenyo upang maging mahusay at, higit sa lahat, mas mura kaysa sa mga closed-loop na alternatibo sa Estados Unidos, ang kumpanyang Tsino ay sumang-ayon sa V4, isang pamilya ng mga sasakyang pinagsasama ang open weights, isang malaking context window, at isang agresibong diskarte sa pagpepresyo.
Ang hakbang na ito ay kasabay ng pagsusuri ng Europa at Espanya sa gastos at teknolohikal na soberanya ng AI. Ang DeepSeek V4 ay nagpapakita ng sarili bilang isang kaakit-akit na opsyon para sa mga European startup, SME at malalaking kumpanya na nangangailangan ng mga kakayahan sa antas ng hangganan, ngunit hindi maaaring—o ayaw—umasa nang buo sa mga mamahaling proprietary API o eksklusibong hardware tulad ng mga pinaka-hinahangad na NVIDIA GPU.
Isang pamilyang V4 na nakasentro sa 1T ng mga parameter at isang konteksto ng 1M token
Inanunsyo ng DeepSeek ang pagdating ng DeepSeek-V4 Preview bilang isang pamilya ng mga open model na umiikot sa dalawang ideya: isang context window na may hanggang 1 milyong token at malalaking arkitektura batay sa Mixture-of-Experts (MoE)Sa loob ng pamilyang ito, dalawang pangunahing variant ang namumukod-tangi: ang DeepSeek-V4-Pro at ang DeepSeek-V4-Flash, na parehong may 1M na konteksto bilang tatak.
Sa pinakamaambisyoso na aspeto, ang V4-Pro ay gumagana sa mga pigura ng hanggang 1,6 trilyong kabuuang mga parameter (1,6T), bagama't nakakapag-activate lamang ito ng nasa pagitan ng 32 at 49 bilyong parameter sa bawat hakbang ng paghihinuha salamat sa MoE scheme, na mahalaga para sa pagpapanatili ng kahusayan. Kasabay nito, ipinakilala ng kumpanya ang mas magaan na mga variant, tulad ng V4-Flash at V4-Lite, na may humigit-kumulang 284-285 bilyong kabuuang parameter at humigit-kumulang 13 bilyong aktibong parameter, na idinisenyo para sa mga deployment kung saan ang bilis at gastos ang mga prayoridad.
Ang kabuuang bilang ng mga parameter ay naglalagay sa pamilyang V4 sa tuktok ng merkado, ngunit ang mahalagang detalye ay Iilang bahagi lamang ng mga ekspertong iyon ang token-activated.Dahil dito, maaari itong kumilos na parang isang napakalaking modelo sa usapin ng kapasidad, ngunit ang pagkonsumo ng kuryente sa computing ay mas malapit sa pagkonsumo ng mas maliliit na modelo. Ito ay isang pamamaraan na akma sa salaysay ng DeepSeek: ang pakikipagkumpitensya sa malalaki at closed-source na mga modelo nang hindi tumataas ang gastos sa paggamit.
Naglabas din ang kumpanya ng mga paunang variant tulad ng V4-Lite, na nagsisilbing teknikal na pagpapatunay, at inaayos ang iskedyul ng pag-deploy. Bagama't Ang V4 ay nasa limitadong yugto pa rin ng pagsubok Sa ilang konteksto, magagamit na ang pamilya ng V4 Preview sa opisyal na chatbot at sa pamamagitan ng na-update na API ng kumpanya, kung saan ang 1M context ang default na value sa mga serbisyo nito.
Hybrid na arkitektura at pinaghalong mga eksperto upang maging praktikal ang pangmatagalang konteksto
Ang susi sa kakayahan ng DeepSeek na mag-alok ng context window na may isang milyong token nang walang tumataas na gastos sa hinuha ay nakasalalay sa arkitektura nito. Ipinaliwanag ng tagagawa na ipinakikilala ng V4 isang kombinasyon ng hybrid care, Mixture-of-Experts at mga pamamaraan ng compression dinisenyo upang gumana sa napakahabang mga sequence, na binabawasan ang parehong FLOP bawat token at ang kinakailangang memorya.
Kabilang sa mga teknikal na bahagi na binanggit ng kumpanya, ang mga sumusunod ay namumukod-tangi: MLA (Multi-Head Latent Attention), DSA o DeepSeek Sparse Attention, at mga mekanismo ng kondisyonal na memorya tulad ng EngramSama-sama, nilalayon ng mga bahaging ito na bawasan ang pasanin ng pagkalkula ng atensyon, lalo na kapag ang modelo ay kailangang humawak ng daan-daang libo o isang milyong token sa isang beses lamang.
Ayon sa datos na ibinahagi mismo ng kumpanya, sa mga senaryo ng 1M token Ang DeepSeek-V4-Pro ay maaaring mangailangan ng humigit-kumulang 27% ng mga FLOP bawat token at 10% lamang ng KV cache kumpara sa mga nakaraang bersyon tulad ng DeepSeek-V3.2Ang mas magaan na mga variant, tulad ng V4-Flash, ay lalong nagpapababa sa mga bilang na ito, na nagpoposisyon sa kanilang mga sarili bilang mabilis na solusyon sa paghihinuha para sa mga aplikasyon kung saan kritikal ang latency.
Ang mga ganitong uri ng pagpapabuti ay hindi lamang teoretikal: inaangkin ng kumpanya na ang kombinasyon ng MoE, kalat-kalat na atensyon, at pag-unawa sa konteksto ay nagbibigay-daan gumagana nang may napakahabang konteksto sa hindi gaanong matinding hardware mas mababa nang malaki ang cost per million tokens kumpara sa maraming closed models na may windows na 128K o 200K tokens.
Pagganap sa pangangatwiran, programming, at mga gawain sa ahente
Hindi lang gusto ng DeepSeek na mapansin dahil sa laki at konteksto nito. Sa mga panloob na paghahambing nito, iginiit ng kumpanya na Ang V4-Pro at ang mga variant nito ay espesyal na na-optimize para sa kumplikadong pangangatwiran, programming, at mga ahenteAng tatlong larangang ito ay kasalukuyang bumubuo sa isang malaking bahagi ng demand ng negosyo. Ang mga benchmark tulad ng SWE-bench, na idinisenyo upang sukatin ang kapasidad ng Pag-unawa at pagbabago ng mga repositoryo ng codeMay usap-usapan tungkol sa mga bilang na higit sa 80% na katumpakan, kasabay ng mga nangungunang saradong modelo.
Sa mas pangkalahatang pangangatwiran—kabilang ang matematika, mga disiplina ng STEM, at mga problemang chain-of-thought—inilalagay ng kumpanya ang V4-Pro bilang isa sa pinakamalakas na bukas na modeloat nangangatwiran na ito ay umaabot sa antas ng mga panukalang closed-border. Sa mga tuntunin ng pandaigdigang kamalayan, inilalagay ito ng panloob na datos sa unahan ng bukas na ekosistema at nasa likod lamang ng ilang partikular na modelong pagmamay-ari, tulad ng ilang mga advanced na variant ng Gemini.
Higit pa sa mga numero, ang diin sa mga gawain ng ahente Ito ay tumutukoy sa isang gamit na higit pa sa karaniwang pakikipag-chat. Inaangkin ng DeepSeek na Ang V4 ay nagpapatakbo na ng sarili nitong imprastraktura ng mga code agent at system na nagdudugtong sa maraming hakbangGumagamit sila ng mga tool at nagtatrabaho sa malawak na repositoryo o database ng dokumento. Ang pamamaraang ito ay naaayon sa kasalukuyang trend ng industriya, kung saan maraming kumpanya ang hindi na lamang naghahanap ng chatbot, kundi para sa mga assistant na may kakayahang gumana bilang "mga digital na kasamahan" sa loob ng mga kumplikadong daloy ng trabaho.
Dapat isaalang-alang nang may pag-iingat ang mga paghahambing na ito: tulad ng halos lahat ng mga kamakailang paglabas ng AI, Karamihan sa datos ay nagmumula mismo sa kumpanya at mula sa mga pagsubok sa mga kinokontrol na kapaligiran.Gayunpaman, ang kombinasyon ng mahabang konteksto, mahusay na arkitektura, at mapagkumpitensyang pagganap ay nakakakuha ng atensyon sa mga developer sa Europa na naghahambing ng mga gastos at kakayahan laban sa mga opsyon tulad ng GPT, Claude, Llama, o Mistral.
Mga bukas na modelo, mga nailathalang timbang, at pagiging tugma sa mga sikat na API
Isa sa mga pangunahing dahilan kung bakit naging tanyag ang DeepSeek ay ang dedikasyon nito sa open ecosystem. Sa pamamagitan ng V4, pinagtitibay ng kumpanya ang pamamaraang ito: ay naglathala ng teknikal na ulat at naglabas ng mga bukas na timbang ng pamilya sa mga plataporma tulad ng Hugging Facena nagpapahintulot sa mga mananaliksik, kumpanya, at pampublikong administrasyon na i-download ang mga modelo at patakbuhin ang mga ito sa sarili nilang imprastraktura.
Ang open-weights approach na ito, kabaligtaran ng mga ganap na saradong panukala ng maraming laboratoryo sa US, ay may malinaw na implikasyon para sa Espanya at sa European Union. Ang posibilidad ng pag-deploy ng mga modelong ito sa mga sentro ng datos sa loob ng EUsa ilalim ng mga balangkas tulad ng GDPR at ang regulasyon ng AI sa hinaharap ng EUNag-aalok ito ng paraan upang mapanatili ang higit na kontrol sa data nang hindi isinasakripisyo ang mga nangungunang kakayahan.
Sa mga tuntunin ng praktikal na integrasyon, pinili ng DeepSeek na bawasan ang alitan: Ang API ay nagpapanatili ng parehong base_url at tugma sa mga scheme ng ChatCompletions ng OpenAI at sa Mga antropikong interfacePara sa maraming development team, nangangahulugan ito na ang paglilipat ng mga pagsubok o bahagi ng trapiko sa V4 ay limitado lamang sa pagpapalit ng model identifier sa deepseek-v4-pro o deepseek-v4-flash at pagsasaayos ng ilang parameter.
Kasabay nito, nagtakda ang kumpanya ng takdang panahon para sa pagreretiro ng mga lumang modelo, tulad ng deepseek-chat at deepseek-reasoner. Ihihinto na ang mga ito at ire-redirect sa V4-Flash. hanggang sa tuluyan silang maalis, na siyang pumipilit sa mga gumamit nito na magsimulang maghanda para sa paglipat. Ito ay isang malinaw na paraan upang ituon ang alok sa bagong henerasyon at maiwasan ang pagkakawatak-watak ng mga gumagamit sa napakaraming lumang variant.
Nakontrol ang mga gastos sa paghihinuha at nakatuon sa kahusayan sa ekonomiya
Ang salaysay ng DeepSeek ay umiikot sa kahusayan simula nang itatag ito. Sa V4, ang diskursong iyon ay pinatitibay ng kombinasyon ng arkitektura ng MoE, ipinamahaging atensyon, at pag-optimize ng hardware na naglalayong... babaan ang cost per million tokens sa mga antas na mas mababa kaysa sa mga pinakakilalang premium APIBinabanggit ng ilang panlabas na pagsusuri ang mga bilang na humigit-kumulang $0,30 bawat milyong entry token para sa ilang partikular na configuration, isang maliit na bahagi lamang ng singil ng mga high-end closed model.
Sa konteksto ng Europa, kung saan may kaugnayan ang mga gastos sa imprastraktura at enerhiya, ang pokus na ito sa kahusayan ay akma sa mga pangangailangan ng mga startup at SME. Pagproseso ng malawak na legal na dokumento, mahahabang medikal na rekord, o buong repositoryo ng software Hindi na ito nagiging isang luho na nakalaan para sa mga kumpanyang may halos walang limitasyong badyet at nagiging bahagi na ng abot-kayang mga senaryo para sa mga umuusbong na proyekto.
Ang ilang mga tagapagbigay ng imprastraktura ng AI ay nag-aalok na ng maagang pag-access sa mga node na nakabatay sa DeepSeek V4 bilang bahagi ng kanilang mga katalogo, na ginagawang mas madali para sa mga kumpanyang Europeo. Maaari nilang suriin ang totoong pagganap at mga gastos nang hindi kinakailangang magtayo ng sarili nilang imprastraktura mula sa simula.Para sa maraming organisasyon, ang yugtong ito ng pagsubok ang paunang hakbang bago magdesisyon kung magpapatuloy sa isang outsourced na modelo o pipiliin ang mga on-premise na pag-deploy.
Samantala, ang bahagyang pananahimik ng kumpanya tungkol sa eksaktong gastos sa pagsasanay at sa partikular na hardware na ginamit ay nagdulot ng mga pagdududa sa ilang sektor. Simula noong 2025, kumalat ang mga hinala tungkol sa tunay na dami ng mga mapagkukunang kinakailangan upang sanayin ang mga modelo nito, kabilang ang mga pagtatantya na tumutukoy sa sampu-sampung libong high-end na GPU. Iginiit ng DeepSeek na nakamit nito ang isang bagong yugto ng "kumikitang pangmatagalang konteksto"Ngunit hindi pa nito lubusang nililinaw ang mga hindi alam tungkol sa materyal na saklaw ng mga operasyon nito.
Epekto sa mga startup at kumpanya sa Espanya at Europa
Para sa ecosystem ng mga negosyante sa Europa, at partikular na para sa mga startup ng teknolohiya sa Espanya, ang paglitaw ng mga modelo tulad ng DeepSeek V4 ay nagbubukas ng mga opsyon na hanggang kamakailan lamang ay mahirap isaalang-alang. Mag-access ng modelo na may mahigit isang trilyong parameter sa konteksto ng 1M token at open weights Pinapayagan ka nitong galugarin ang mga advanced na produkto nang hindi lamang umaasa sa mga supplier ng Silicon Valley.
Sa mga regulated na sektor—pinansya, kalusugan, legal, pampublikong administrasyon—ang posibilidad ng patakbuhin ang modelo sa mga data center sa loob ng EU o kahit sa sarili mong mga pasilidad Ito ay lalong mahalaga. Ang pagsunod sa GDPR at mga pambansang regulasyon sa proteksyon ng datos ay nagiging mas madaling pamahalaan kapag ang impormasyon ay hindi na kailangang umalis sa mga hurisdiksyon ng Europa upang maproseso ng isang modelo ng AI.
Ang mga Spanish startup na gumagamit ng malalaking dokumento, tulad ng legaltech, healthtech, o mga tool ng developer, ay maaaring gamitin ang konteksto ng 1M tokens upang pagsusuri ng mga kumpletong file, napakahabang kasaysayan ng medikal, o mga monolitikong repositoryo ng code nang hindi kinakailangang hatiin ang mga ito sa maraming piraso at magdisenyo ng mga kumplikadong sistema ng pagbawi. Binabawasan nito ang teknikal na pagiging kumplikado at, sa maraming kaso, pati na rin ang latency.
Kasabay nito, mahalagang isaisip ang mga panganib: ang ecosystem ng mga tool na nakapalibot sa DeepSeek ay mas bata kaysa sa iba pang mga open model tulad ng Llama, at Ang dokumentasyon at suporta ng komunidad ay patuloy pa ring pinagbubuti.Bukod pa rito, ang katotohanang ito ay isang kompanyang Tsino ay nagpapakilala ng isang geopolitical na bahagi na tinitingnan nang may pag-iingat ng ilang organisasyong Europeo, lalo na sa mga proyektong nauugnay sa mga administrasyon o kritikal na imprastraktura.
Isang hakbang na naglalagay ng presyon sa mga modelong may mataas na halaga at saradong presyo
Higit pa sa mga partikular na detalye nito, ang DeepSeek V4 ay binibigyang-kahulugan sa loob ng sektor bilang isang karagdagang hakbang sa presyur ng kompetisyon sa pinakamahal na mga modelong sarado sa merkadoSa pamamagitan ng pagtatatag ng 1M token context bilang pamantayan sa lahat ng opisyal na serbisyo nito at pagsama nito ng mga open weight, ang kompanyang Tsino ay nagpapadala ng malinaw na mensahe: ang ultra-long context ay hindi na kailangang maging eksklusibong tampok ng ilang mamahaling modelo.
Para sa malalaking laboratoryo sa Kanluran, ito ay nagdudulot ng isang hamon. Ang OpenAI, Anthropic, at Google ay dating gumagamit ng kombinasyon ng mas mataas na kalidad, mas malawak na konteksto at pagmamay-ari na ecosystem bilang isang panukalang halaga. Ang paglitaw ng isang bukas na alternatibo na may mas mahusay na konteksto sa ilang mga kaso at napakababang gastos ay nagtutulak sa pag-iisip muli ng mga estratehiya sa produkto at pagpepresyo, lalo na sa mga segment kung saan maliit ang margin ng mga kumpanyang gumagamit.
Sa mga bansang nagsasalita ng Espanyol, kung saan maraming startup ang nagpapatakbo na may mas mababang badyet kaysa sa kanilang mga katapat sa Estados Unidos, ang presyur sa kompetisyon ay pabor sa kanila. Mas malaki ang kakayahang pumili ng mga technical team batay sa presyo, pagsunod sa mga regulasyon, at use case kung mas makapangyarihan at bukas ang mga modelong magagamit.at hindi lamang mula sa tatak sa likod ng API.
Kasabay nito, alam ng DeepSeek na ang kanilang mga pagtatangka ay may mga hamon: karamihan sa mga benchmark at paghahambing ay nagmumula sa sarili nitong dokumentasyon o mula sa mga pagsubok sa mga yugto ng preview, at ang merkado ay naghihintay pa rin upang makita kung paano gaganap ang mga modelong V4 kapag malawakang ini-deploy sa mga mahihirap na kapaligiran ng produksyon, kabilang ang mga sa Europa.
Sa pangkalahatan, ang pagdating ng DeepSeek V4 ay nagpapatibay sa isang trend na matagal nang umuunlad: Ang mga makabagong modelo ng AI ay hindi na eksklusibong sakop ng iilang kumpanya lamang na may mga saradong sistema at napakalaki ng badyet.Gamit ang kombinasyon ng mahigit 1T na mga parameter, konteksto ng 1M token, open weights, at diskursong nakatuon sa kahusayan, ipinakikilala ng kompanyang Tsino ang isang alternatibo na halos hindi mapapabayaan ng mga kompanya at developer sa Espanya at Europa sa kanilang mga paparating na plano para sa pag-aampon at pagpapanibago ng imprastraktura ng AI.
