DeepSeek V4.5

深度求索 2026 年 7 月推出的旗舰大模型迭代版，强化代码、中文长文本与多轮一致性，延续开源与地板价打法

大语言模型 LLM 深度求索

https://www.deepseek.com/

前往官网

深度报告

DeepSeek V4.5 是深度求索在 2026 年 7 月初推出的旗舰大模型迭代版本，定位延续 V4 家族「开源、超长上下文、地板价」的一贯打法。这一版主要把力气花在代码生成、中文长文本理解和多轮对话一致性三个方向上，依旧免费向网页端与 App 端开放，API 侧则复用 V4 系列的调用入口。它不是一个重新讲大故事的版本，更像是一次「把已经很强的地方再推一档」的务实更新，对成本敏感的开发者和重度文字工作者尤其友好。
DeepSeek 背后的公司是位于杭州的深度求索人工智能基础技术研究有限公司，自 2023 年起就走开源路线，先后放出 DeepSeek LLM、Coder、Math、V2、V3、R1 等系列，靠极致的训练与推理效率在开源阵营站稳脚跟。2026 年 4 月 24 日，V4 预览版正式上线并同步开源，一口气给出两个规格：对标顶级闭源的 V4-Pro（约 1.6 万亿总参数、每次激活约 490 亿）和经济高效的 V4-Flash（约 2840 亿总参数、每次激活约 130 亿），均采用 MIT 协议全量开源。V4.5 则在其后两三个月内以低调方式放出，社区周报显示其上线时间约在 7 月 2 日前后，没有开发布会，延续了 DeepSeek「不预告、直接上」的风格。
V4.5 沿用了 V4 家族的三档推理强度设计：非思考模式（Non-think）直出、常规深度思考（Think High）与最强思考（Think Max），开发者可通过 API 的 reasoning_effort 参数调节强度，复杂 Agent 场景官方建议直接开 Max。架构层面，V4 系引入了在 token 维度做压缩的混合注意力机制，结合自研的 DSA 稀疏注意力、Engram 条件记忆（把静态知识与动态推理分离，长文本检索准确率从 84.2% 提到 97.0%）以及 mHC 流形约束超连接（把万亿级参数的层间信号放大压到 2 倍以内），从而在长上下文下大幅降低算力与显存开销。V4 系的上下文窗口达到 100 万 token 并设为全系标配；而聚合类模型目录对 V4.5 的记载为 256K 上下文、最大 33K 输出，具体口径以官方后续公告为准。社区反馈里，V4.5 的代码生成（HumanEval 被提及再创新高）、中文长文本理解和多轮一致性是这次提升最明显的三块。
DeepSeek 的定价哲学一直是「打穿底」。网页端 chat.deepseek.com 与官方 App 面向个人用户免费对话，这是它和 ChatGPT、Claude 的付费订阅正面错位的根本武器。API 侧按 token 计费，官方定价页显示 V4-Flash 每百万 token 输入（缓存命中）0.02 元、未命中 1 元、输出 2 元；V4-Pro 分别为 0.025 元、3 元、6 元，并发上限 2500 / 500。海外聚合目录对 V4.5 的托管 API 报价为输入 0.5 美元、输出 1.1 美元每百万 token，折合人民币仍属地板价。一个需要留意的时间点是：旧的 deepseek-chat 与 deepseek-reasoner 两个模型名将在 2026 年 7 月 24 日弃用，分别指向 V4-Flash 的非思考与思考模式，生产环境需要在此之前完成 model 参数迁移。模型权重以 MIT 协议在 HuggingFace 与 ModelScope 开源，可本地或私有云部署，边际成本只剩基础设施。
普通用户的真实体验里，正面的部分相当一致。100 万上下文被反复夸「太实用」——把十几份文档一次性丢进去让它通读再回答，长合同、财报、整本书的分析从大几千的人工成本降到几十块。代码能力也得到认可，Flash 版日常脚本够用，Pro 版处理复杂任务更稳，有用户反馈一个批量订单处理脚本 15 分钟跑通。便宜是另一张王牌，高强度使用一个月账单不到 30 元，而同类国外模型往往两三百起步。中文语感也被认为优于国外模型，能准确理解「毛利卡得死」这类本土表达。负面反馈同样集中。最常被点名的是「天气卡片问题」：让它查结构化数据（天气、股价）时偶尔会编数字，当助手没问题，当权威就会翻车。复杂常识推理仍有缺口，经典的「绝望的父亲」红绿色盲遗传题 V4 首轮没抓到核心逻辑。更长上下文的有效利用率也遭质疑，第三方实测在百万字文本里只能稳定识别约 10 万 token 内的标记，有效内容远不到宣称的四分之一。此外，简单任务上存在「过度思考」、答案冗余，模型本质仍是纯文本、没有多模态能力。
放到全球阵营里看，DeepSeek V4 系在 Agentic Coding 评测中拿下开源模型最佳，内部员工实测体验优于 Sonnet 4.5、交付质量接近 Opus 4.6 非思考模式，但和 Opus 4.6 思考模式仍有差距；世界知识测评大幅领先开源模型、仅稍逊 Gemini-Pro-3.1；数学与竞赛代码比肩顶级闭源。它的真正杀伤力在成本：把 GPT-5.5 约 30 美元每百万输出的价格打到了不到 1 美元，被业内称为「定价哲学的正面碰撞」。更关键的是，V4 从底层架构就为国产算力（华为昇腾 950PR、寒武纪）做了全链路适配，国产芯片推理速度较 V3 提升约 35 倍，被视为中国 AI 全栈自主可控闭环的关键一环。
围绕 V4.5 有几个值得留意的争议点。一是有效上下文的落差：宣称 100 万 token，实际可用远小于此，对依赖「整库代码、整本书」场景的用户可能不及预期。二是多模态缺失：在同期竞品把视觉、视频作为核心卖点时，DeepSeek 仍是纯文本模型，复杂多模态 Agent 场景落后。三是 V4.5 公开基准稀少——目前能查到的具体跑分多来自聚合目录与社区周报，权威第三方评测尚不充分，引用时需标注为待验证。四是安全表现：越狱测试中它能完成基础拦截，但缺乏主动识别劫持指令的安全推理意识，措辞上用「无法」而非「不会」，可信度细节仍有打磨空间。五是地缘政治维度：受美国出口管制影响，预训练仍依赖英伟达，但后训练到推理已深度绑定国产芯片，这既是战略资产，也意味着产能与降价节奏和国产算力供给强相关。
如果你是重度文字工作者——编辑、研究员、学生、律师、分析师，长文档处理能力能省下大量时间；如果你是开发者，代码辅助、调试、写注释、生成测试用例的效率和准确率都在第一梯队；如果你是成本敏感的个人用户，免费版已经完全够用。不建议的场景是：需要高级图片 / 视频生成或复杂多模态任务的，目前 DeepSeek 还满足不了；追求最顶尖深度推理或需要成熟插件生态、企业级 SLA 的，闭源模型仍是更稳的选择；把 AI 当权威数据源、不做核验就直接采用的，要警惕它的幻觉倾向。
DeepSeek V4.5 没有讲一个宏大的新故事，而是把「好用、便宜、开源」这三个已经很强的支点又往前推了一档，尤其在代码、中文长文本和多轮一致性上给了用户实打实的体感提升。它的短板也清楚：有效长上下文和纯文本形态仍是与顶级闭源拉开差距的地方。对绝大多数中国用户而言，它是一个值得首选、且几乎没有上手门槛的旗舰模型。

用户评论

JerryTurnerSr59

—

本地部署党狂喜，MIT 协议直接拉权重，消费级显卡跑量化版够用了，私有化部署没有后顾之忧。我们公司因为数据合规要求不能走公有云 API，之前一直卡在模型授权上，V4 系 MIT 协议一开放，法务那边直接绿灯，现在内部推理集群跑的是量化版 Pro，延迟和成本都比采购闭源 API 划算太多，对公司合规和成本都太友好了。

4pa0w

—

整体瑕不掩瑜，好用又便宜还开源，国产模型能做到这个程度，已经不是凭爱国滤镜能解释的了，日常生产我愿意把它当主力。

ticklishpeacock996

—

和 Claude Code 联动做 Agent，简单任务挺好，复杂工程里偶尔不听话，没确认就执行了，工程化细节还得打磨，生产环境记得加护栏。

qvhqs2

—

推理成本控制得离谱，同样质量的活儿，闭源那边动辄几十刀，它折合成人民币连一美元都不到，定价是把对手往死里卷。我们算过一笔账，同样一个月的客服意图分类加摘要任务，走 GPT 那套要两千多美元，走 DeepSeek API 不到二十块人民币，中小团队直接受益，省下来的预算够多养半个运营了。当然复杂推理该上闭源还是上闭源，不能一概而论。

于鹏敏

—

唯一让我头大的是「天气卡片问题」，让它查竞品价格它偶尔会编数字，看起来特别合理，一核对全是假的，关键数据还是得自己过一遍。

MatthewFisher

—

纯文本模型这点有点遗憾，现在别人都在卷多模态，它连图都看不了，做视觉相关的活还是得切别的工具，期待后面补上。

Amanda.Gomez_Max3

—

复杂推理还是有差距，那个红绿色盲的遗传题它第一轮没转过弯来，官方自己都承认了，当助手没问题别当权威，关键结论自己拍板。

ScottTaylor_20225

—

免费版先用着，长文档分析太香了，三十多页 PDF 直接丢进去问三个问题，它真能逐段引用，这点比国外模型省不少钱。

SSimmons21

—

百万上下文宣传很猛，但实际塞一整本书进去，到后面它还是会有点记混，有效长度远没有一百万那么理想。我自己做过「大海捞针」测试，在接近百万字的小说里埋标记，它能稳定认出来的基本只有前十万字左右，越往后错误率越高。这点得实事求是，别被参数带节奏，真要处理超长文档还是得分段或者自己管好检索。

heavytiger177

—

V4.5 这次中文长文本理解提升明显，多轮对话也不容易跑偏，日常写东西、改稿子体验比上一个版本顺。我专门拿同一篇五千字的稿子做 A/B，上一版经常在第二轮把前面定的语气忘了，这版基本能记住「保持口语化、别加 emoji」这种细要求，对内容工作者是实打实的提升，不用每轮都重新交代背景，省了不少提示词。

PGonzalez

—

V4.5 写 Python 数据处理脚本是真的顺，我那个批量订单清洗的活，以前靠人肉要两小时，现在一遍过，十五分钟搞定。

ChainMax_n

—

代码能力是真的强，Flash 日常够用，Pro 处理复杂任务更稳，团队里已经把日常 coding 切到它了。上周让它重构一个三千行的历史包袱模块，它先把调用关系画出来再逐文件改，比新来的同事还稳，唯一槽点是偶尔会多写一些防御性代码显得啰嗦，但正确性没得说。性价比这一项没什么可挑的，同样的质量闭源那边报价能翻几十倍。

Jacqueline.Edwards_2020

—

API 价格太离谱了，Flash 输出才两块一百万 token，我高强度用了一个月账单不到三十块，以前用 ChatGPT 至少两三百。

Dennis_Evans766

—

简单问题它会想太多，啰啰嗦嗦写一大堆，关掉思考模式才利索，希望后续能更聪明地判断要不要深想。

Jacqueline_Perez

—

中文语感确实比 GPT 好，我说「这个品毛利卡得死」，它一下就懂是利润率低，不会给我整成产品死了的笑话。

DianeGutierrez

—

半小时生成一份带引用的行业分析初稿，对调研太友好了，虽然深度不够但可以当脚手架，省了我至少两小时。我一般让它先列框架和找公开数据源，再自己补一手内部数据交叉验证，这样既不担心它瞎编，又能把机械的素材搜集外包出去。说白了它就是个不知疲倦的初级分析师，结论你自己拍板就行。

DeepSeek V4.5

深度报告

用户评论

相关链接

同类产品