DeepSeek-V4 已發布技術規格：1,048,576 token 上下文窗口，支持顯式切換的“思考模式”與“非思考模式”。但實測數據、可用 API 和海外服務目前均不可用。

模型支持長文檔解析、多跳知識檢索和 Agent 任務編排。思考模式啟用鏈式推理與 step-by-step 規劃；非思考模式跳過中間步驟，直接生成 token，響應延遲更低。兩種模式不依賴外部工具或插件，全部在模型內部實現——權重共享，無額外副本開銷。對開發者來說，合同審查、論文精讀、跨文檔事實核查等任務可能減少分塊+聚合的工程負擔；輕量級本地 Agent 部署也能避開傳統 CoT 帶來的冗余生成和延遲疊加。

1M 上下文不是靠 RoPE 外推堆出來的

DeepSeek-V4 沒走單純延長 RoPE 的老路。技術簡報提到兩個關鍵改動：動態注意力掩碼壓縮（Dynamic Mask Compression）和分段 KV 緩存復用。

當輸入超過 512K tokens，模型自動識別語義區塊邊界（比如章節標題、表格起始、代碼塊），對非關鍵區域做稀疏注意力降采樣，同時保留全文索引錨點。實測中，一份含文本+OCR 結構化標記的 1M token PDF，跨頁引用定位準確率比 V3 提升 23%（內部測試集）。但效果依賴預處理質量：原始掃描件或深度嵌套 HTML 仍需清洗。

雙模不是開關，是計算路徑切換

思考模式下，模型激活內部多步工作區（Working Memory Buffer），每步輸出附帶隱式 reasoning trace token——不可見，但能在 logits 層捕獲，支持通過 stop-sequence 干預流程。非思考模式關閉該緩沖，輸入直接映射到輸出，A100-80G 上首 token 延遲 <80ms。

這對 Agent 框架很實用：Manus 或 OpenClaw 類系統可按任務復雜度動態路由。例如，“總結這份財報并對比近三年 Q3 數據”走思考模式，“提取第 17 頁電話號碼”走非思考通路。但當前沒有 mode 參數暴露在 API 中，切換只能靠客戶端硬編碼判斷。

開發者現在還用不了

三個關鍵缺口卡住了落地：

• 沒基準測試：Arena、MT-Bench、LongBench 都沒 V4 條目，官方只給了合成數據集指標
• 沒 API 路徑：Hugging Face Model Hub 上只有 deepseek-v4-base，沒推理接口說明；OpenRouter、Together.ai 暫未收錄；企業私有化部署文檔缺失
• 服務地域不明：官網沒標 CDN 節點分布；海外用戶 DNS 解析指向杭州 IP；控制臺無英文版

現狀就是：模型可下載，API 不可用，效果難驗證。

和龍蝦 / OpenClaw 的實際交集

龍蝦 Agent 框架 v0.4.2 已預留 reasoning_mode: "think" | "direct" 字段，但還沒適配 V4 協議。如果 DeepSeek 后續在 streaming 請求頭里加個 X-Reasoning-Mode: think，龍蝦用戶只需更新 Adapter 配置，不用重寫 Executor。

OpenClaw 的 task_router 模塊支持按延遲 SLA 降級模型，V4 的非思考模式天然匹配它的“亞秒級響應”分支。

不過現階段建議別上生產環境。先拿 Llama-3-70B-Instruct 或 Qwen2-72B 做 baseline 對比測試更穩妥。

下一步怎么盯

• 關注 DeepSeek GitHub 組織（github.com/deepseek-ai）的 v4-api-preview 倉庫，重點看 /v1/chat/completions 是否新增 mode 字段
• 用 llama.cpp 或 vLLM 加載 deepseek-v4-base 做本地吞吐壓測，注意量化精度損失對長上下文的影響
• 在 Agent 編排層提前抽象雙模接口，別硬綁定某家實現

V4 的價值不在首發跑分，而在于提出一種新的推理契約。但契約生效的前提，是 API、評測、服務三者同步就位。等第一個可信 benchmark 報告，比追官宣更重要。