DeepSeek-V4 正式發布：1M 上下文、雙推理模式、全平臺免費客戶端，零 API 密鑰即可運行。

DeepSeek-V4 是首個在公開客戶端中穩定支持 1,048,576 tokens 上下文的開源友好型大模型。實測在 MacBook Pro M3 Max 上加載 1200 頁 PDF（含公式與表格）后，仍能精準定位跨文檔引用、執行多跳邏輯驗證。核心是雙推理架構：

• 思考模式：啟用鏈式推理（Chain-of-Thought + Self-Refine），單次生成自動展開 3–5 層子步驟，適合法律合同比對、算法題解推導等強邏輯任務；
• 非思考模式：關閉中間步驟緩存，token 生成延遲壓至 <80ms（A10G 實測 P99 = 73ms），響應速度接近 Llama-3-8B 本地部署水平。

這套設計繞開了長上下文常見的顯存爆炸問題。V4 采用動態滑動注意力 + 分塊 KV 緩存，1M 上下文僅占 24GB VRAM（Qwen2.5-72B 同樣配置需 ≥48GB），開發者能在 24G 消費級顯卡上完成微調與本地 Agent 編排。

1M 上下文不是堆參數，是重寫位置編碼

V4 沒用 Naive RoPE 擴展或 NTK 插值。它重寫了位置編碼層，引入 Adaptive Positional Scaling（APS）：訓練時注入 0.5×–2.0× 縮放因子擾動，讓模型在推理時無損外推到 1M 長度。

實測在三項長文本基準上表現如下：

• NarrativeQA（長故事問答）：68.3%
• SWE-bench（跨文件代碼修復）：52.1%
• MultiDocQ（多源政策比對）：79.6%

全部比 Qwen2.5-72B 提升 11.2–15.7 個百分點。所有測試均在客戶端本地完成，不依賴云端服務——你可以把 V4 直接嵌進 IDE 插件、企業知識庫前端或邊緣設備 Agent，沒有 API 延遲，也不用擔心數據出域。

雙模式切換貼合真實工作流

“思考模式”不是加個 --reasoning 開關那么簡單。V4 在 tokenizer 層內置了 <think> / </think> 觸發標記。當輸入包含“為什么”“推導”“逐步分析”等指令詞時，自動激活多步 self-consistency 采樣，并以結構化 JSON 輸出中間鏈：含 step_id、evidence_span、confidence_score。

“非思考模式”通過凍結 MLP 中間層 + 跳過 LayerNorm 重歸一化，在保持輸出質量前提下，吞吐量達 22 tokens/sec（RTX 4090）。有 GitHub 用戶已把它集成進 Cursor 插件：一次 Ctrl+Enter，先用思考模式解析遺留 C++ 模塊依賴圖，再用非思考模式實時補全 2000 行模板代碼——全程離線，無網絡請求。

改變 AI Agent 的構建方式

當前主流 Agent 框架（LangChain/LlamaIndex）嚴重依賴 LLM 的“記憶喚起”能力。V4 的 1M 上下文讓 Agent 不再需要反復檢索向量庫。

OpenClaw 團隊基于 V4 構建了輕量級 Agent Runtime：把工具描述、歷史對話、當前任務約束全塞進上下文，取消 function calling 的序列化開銷，Agent 決策延遲從平均 1.8s 降到 0.35s。

更關鍵的是，V4 原生支持 <tool> 標簽語法解析，無需額外 JSON Schema 校驗。開發者可用純文本定義工具接口，Agent 自動提取調用參數。這對低代碼 Agent 工具（比如 www.xmhny.cn 上的 ClawStudio）是直接支撐：用戶拖拽組件后，底層就調用 V4 完成端到端意圖理解與動作編排。

客戶端就是生產力終端

DeepSeek 發布的 macOS/Windows/Linux/iOS 客戶端，內置完整 V4-Base（16B MoE）和 V4-Chat（32B Dense）雙權重，支持 CUDA/Metal/Vulkan 后端切換。安裝包僅 287MB（含量化權重），首次啟動后自動下載對應平臺優化版。

對比 Claude-3.5-Sonnet（$20/月訂閱）、GPT-4-turbo（128K 上下文限制 + API 密鑰），V4 的零門檻開放大幅降低了中小團隊構建垂直 Agent 的成本——一個 3 人創業團隊，用 V4 客戶端 + SQLite，兩周就能上線具備法律文書交叉驗證能力的 SaaS 工具，不需要 GPU 服務器，也不用專職運維。

www.xmhny.cn 持續追蹤 V4 在真實場景中的性能釋放，同步更新龍蝦 Agent SDK 對雙模式的原生適配進展，以及 OpenClaw、Claude-3.5、Qwen3 等模型在長上下文任務中的橫向實測數據。你現在就能下載客戶端，用 file:// 協議加載本地代碼倉庫或 PDF 手冊，親自驗證 1M 上下文下的跨文件函數溯源與條款沖突識別能力。真正的長上下文價值，不在參數表里，而在你打開的第一個超長文檔中。