🔥36氪•較早收集於 2m
網易有道旗下多項產品全面接入 DeepSeek-V4
💡了解大型教育科技公司如何將 DeepSeek-V4 擴展至數百萬用戶，以提升推理與學習成效。
⚡ 30-Second TL;DR
有什麼變化
DeepSeek-V4 接入範圍涵蓋 Hi Echo 等消費者應用及 ThinkFlow 等企業平台。
為什麼重要
此次整合標誌著中國教育科技領域正顯著轉向利用先進的國產大模型，以取代或增強現有的 AI 功能。
下一步行動
將您當前的 RAG 或推理任務與 DeepSeek-V4 進行基準測試，評估其是否能為您的特定場景提供更優的性價比。
誰應關注：Developers & AI Engineers
關鍵要點
- •DeepSeek-V4 接入範圍涵蓋 Hi Echo 等消費者應用及 ThinkFlow 等企業平台。
- •重點升級個性化語言學習與複雜理科答疑能力。
- •展示了高效能國產模型在教育工具領域的快速普及與應用。
🧠 深度解析
Web-grounded analysis with 13 cited sources.
🔑 增強重點摘要
- •DeepSeek-V4 預覽版已於 2026 年 4 月 24 日正式上線並同步開源，採用 MIT 許可協議，使其可供廣泛的商業和研究用途。
- •除了網易有道的核心產品外，DeepSeek-V4 也已全面接入網易傳媒旗下的網易新聞和網易小蜜蜂等產品，旨在升級新聞資訊分發、智能內容創作、社區互動服務及個性化推薦等核心場景。
- •DeepSeek-V4 系列包含兩個版本：DeepSeek-V4-Pro 擁有 1.6 兆總參數（激活參數 490 億），DeepSeek-V4-Flash 擁有 2840 億總參數（激活參數 130 億），兩者均支援高達 100 萬 token 的超長上下文窗口。
- •DeepSeek-V4-Pro 在編程基準測試中表現卓越，例如在 Codeforces 競技程式設計評分中超越 GPT-5.4，並在 SWE-bench Verified 中與 Claude Opus 4.6 表現相當，展現了世界級的推理性能。
- •DeepSeek-V4 的 API 定價極具競爭力，其輸出定價遠低於同級別的閉源模型，例如 V4-Pro 的輸出定價約為 Claude Opus 4.7 的七分之一，使其成為大規模部署的成本效益選擇。
📊 競品分析▸ Show
| 特性/模型 | DeepSeek-V4-Pro | DeepSeek-V4-Flash | 頂級閉源模型 (例如：Claude Opus 4.7, GPT-5.4) | 其他領先國產大模型 (例如：Kimi K2.6, GLM 5.1) |
|---|---|---|---|---|
| 總參數/激活參數 | 1.6T / 49B | 284B / 13B | 未公開/更高 | 未公開/較低 |
| 上下文窗口 | 1M tokens | 1M tokens | 1M+ tokens | 1M+ tokens (例如 Kimi) |
| API 定價 (輸出) | $3.48/M tokens | $0.28/M tokens | 顯著更高 (V4-Pro 約為 Claude Opus 4.7 的 1/7) | 競爭激烈，V4-Pro 定價可能略高於 Kimi K2.6 和 GLM 5.1 |
| 編程基準 (Codeforces) | 3206 分 (超越 GPT-5.4) | - | GPT-5.4: 3168 分 | - |
| 軟體工程 (SWE-bench Verified) | 80.6% (接近 Claude Opus 4.6 的 80.8%) | 79.0% | Claude Opus 4.6: 80.8% | 表現相近 |
| 世界知識 | 開源模型中排名第一，僅次於 Gemini-3.1-Pro | - | Gemini-3.1-Pro 表現更優 | - |
| 整體性能 | 比肩頂級閉源模型，但官方承認滯後 3-6 個月；美國評估認為滯後 8 個月 | 接近 V4-Pro 的推理能力，快速高效 | 領先地位 | 性能相近，競爭激烈 |
| 開源狀態 | MIT 許可協議開源 | MIT 許可協議開源 | 閉源 | 部分開源 (例如 Qwen) |
🛠️ 技術深入
- 模型架構：DeepSeek-V4 系列採用混合專家模型（MoE）架構，包含 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 兩個版本。
- 參數規模：DeepSeek-V4-Pro 總參數為 1.6 兆，每個 token 激活 490 億參數；DeepSeek-V4-Flash 總參數為 2840 億，每個 token 激活 130 億參數。
- 上下文窗口：兩個版本均原生支援高達 100 萬 token 的上下文窗口。
- 混合注意力架構 (Hybrid Attention Architecture)：結合了壓縮稀疏注意力（Compressed Sparse Attention, CSA）和重度壓縮注意力（Heavily Compressed Attention, HCA），顯著提升了長上下文處理效率。在 1M token 上下文設定下，V4-Pro 的單 token 推理 FLOPs 僅為 V3.2 的 27%，KV Cache 僅為 10%。
- 流形約束超連接結構 (Manifold-Constrained Hyper-Connections, mHC)：這是一個數學框架，用於約束信號放大倍數，確保模型在擴展到兆參數規模時仍能穩定訓練，並將計算成本降低約 6.7%。
- Engram 條件記憶 (Engram Conditional Memory)：解決了百萬 token 上下文中的資訊精準檢索難題，將靜態事實與動態推理分離，在「Needle-in-a-Haystack」基準測試中將準確率從 84.2% 提升至 97%。
- Muon 優化器 (Muon Optimizer)：採用 Muon 優化器以實現更快的收斂速度和更高的訓練穩定性。
- KV Cache 優化：採用混合儲存格式（RoPE 維度使用 BF16 精度，其餘維度應用 FP8 精度）和閃電索引器內部的 FP4 精度注意力計算，大幅縮減了 KV 緩存大小。
- 訓練數據：模型在超過 32 兆個多樣化高品質 token 上進行預訓練。
- 開源協議：DeepSeek-V4 系列以 MIT 協議開源發布。
- 本地部署潛力：由於 MoE 架構每次僅激活部分參數，量化版（INT4）理論上可在單張 32GB 顯存的 RTX 5090 或雙路 RTX 4090 顯卡上本地運行。
🔮 前景展望AI analysis grounded in cited sources
網易有道將顯著提升其在教育科技市場的競爭力。
整合 DeepSeek-V4 的先進語言學習和理科答疑能力，將為用戶提供更智能、個性化的教育體驗，吸引更多用戶並鞏固市場地位。
DeepSeek 將加速其在中國 AI 應用市場的普及與生態擴張。
透過與網易有道等多個大型應用平台的深度合作，DeepSeek-V4 將觸達廣大用戶群，提升其模型在實際應用場景中的影響力與市場份額。
中國國產大型語言模型在成本效益和應用普及方面將對國際市場構成挑戰。
DeepSeek-V4 的開源策略、極具競爭力的定價以及在編程和推理方面的強勁表現，使其成為全球開發者和企業的具吸引力選項，尤其是在大規模部署方面。
⏳ 時間線
2006-XX
網易有道成立。
2023-07-17
杭州深度求索人工智能基礎技術研究有限公司（DeepSeek）成立。
2023-07
網易有道推出國內首個教育大模型「子曰」。
2023-11
網易有道「子曰」教育大模型通過國家《生成式人工智能服務管理暫行辦法》備案。
2025-01-27
DeepSeek 智能助手在美區蘋果 App Store 下載榜上超越 ChatGPT 並登頂免費應用榜榜首。
2026-04-24
DeepSeek-V4 預覽版正式上線並同步開源。
📎 來源 (13)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗