大家好，我是二哥呀。

DeepSeek V4（预览版）终于在四月底来了！

众望所归啊。

去年 V3 发布之后大家就开始猜 V4 什么时候出。之所以周期这么长，原因很简单——换卡了，V4 的整个训练框架都切到了昇腾。

要知道，DeepSeek 的深度思考模式，绝对是当时的大模型第一梯队，甚至是引领者。

从 V3 到 V4，这一步真不容易（我接触到不少小伙伴都不抱期待了）。不管怎么说，总算是来了。

不诱于誉，不恐于诽，率道而行，端然正己。

V4 端上来了，V4.1 就快了，威武，哦不，V5 肯定要不了这么久。

注意，V4 这次是全量上线，不需要排队等资格，直接改 API 里的 model 参数就可以用。

Pro 版改成 deepseek-v4-pro，flash 版改成 deepseek-v4-flash，deepseek-chat 和 deepseek-reasoner 到 7 月 24 号就弃用了。

定价方面，pro 比较贵，但 flash 一如既往地亲民。在没有 Coding Plan 的情况下，pro 完成一次开发，价格能接受，但略贵。

别的废话我就不多说了，直接开测。

咱就不去写什么 demo 了，直接把 DeepSeek V4 接入到 Claude Code 中让他猛猛干活。

01、Claude Code + DeepSeek V4

讲真，Claude Code+DeepSeek V4 就是国产最强 Agent。

切换模型很简单，我自己写了个工具 PaiSwitch，销售点一点，Claude Code 的底层模型就切到了 DeepSeek V4 Pro。

切换底层模型后，重新打开一个终端，输入 /claude 启动。

可以用 /status 确认下配置是否生效。

提示词：派聪明的聊天入口 http://localhost:9527/#/chat 现在是单窗口模式，我想改成多窗口——能开新对话，旧对话直接归档。

V4 上来先把整个项目的代码结构读了一遍。读完之后给了一个改造计划。

要新增哪些结构、更新什么类、重构哪块存储、页面布局怎么调，都列得明明白白。

我全程盯着 token 消耗。

读了那么多代码，加上输出计划的量，一块多。

然后开始干活。V4 规划了五个任务，先攻后端，再弄前端。

后端改了 7 个文件，前端 5 个，前后大概 15 分钟。

编译直接过了，有错误自己也修了。

然后我让它自己用 CDP 连到 Chrome 跑测试。

提示词：你自己能否 cdp 我的 Chrome 测试一下：http://localhost:9527/#/chat

点点按钮，验证功能。

测出问题自己修。

修完继续测归档功能。

最后我还让它优化了一下布局。

从头到尾，Pro 一共花了 10 块左右。

能接受。

当然了，有一说一，前端审美这块确实还比较糙。布局能用但说不上优雅。

功能方面是没出一点问题。

一个好的模型，配上 Claude Code 这种顶级 Harness 架构，能干的事情就很多了。

Claude Code之所以牛X，就是因为。

它不只是把你的提示词转发给模型，还在中间加了任务拆解、文件读写、终端操作、自动纠错这些能力。所以同一个 Harness 换不同的底层模型，就能直观地看出模型之间的差距在哪。

10 块钱完成一个完整的功能开发，从代码到测试到修 bug，这个成本不算贵。

但也不便宜，注意上图中的小子，下半年卡升级后，pro的加个会大幅下调。

很期待下一个版本。

02、派聪明 RAG 接入 DeepSeek V4

由于我们派聪明RAG做了模型管理。

所以我第一时间，也是把 Pro 和 Flash 接上去体验了一下。

问了一模一样的问题：「派聪明是什么？」

Flash 的回答是这样的：

派聪明是一个企业级的 RAG（检索增强生成）知识库项目，最初是技术派实战项目中用于和 AI 大模型聊天对话的部分（不含检索增强），后来独立发展并沿用“派聪明”名称，旨在延续正宗的皇家血脉。

Pro 的回答是这样的：

派聪明是一个企业级 RAG（检索增强生成）知识库系统，基于企业文档实现精准的智能问答与知识管理。它最初是技术派实战项目中的 AI 聊天模块（不含检索增强），后独立发展并沿用“派聪明”名称，旨在延续项目的正统性。系统核心能力包括：文档自动解析与分块、豆包 Embedding 向量化、关键词与语义混合检索、基于 DeepSeek 模型的生答、Self-RAG 自验证机制、JWT+RBAC 多租户权限隔离、SSE 流式推送等。通过全链路闭环，它有效解决知识分散与更新滞后问题，避免大模型“幻觉”，可应用于客服、培训、合规审查等场景。派聪明完全开源（MIT 协议），教程托管在技术派平台，支持企业私有化部署与二次扩展。

一个简略，一个详细。

毕竟 Pro 激活参数 49B，Flash 只有 13B，差了将近 4 倍。

但重点不在谁答得长。

RAG 场景里，检索质量才是天花板，模型能力决定的是在这个天花板下能发挥几成。Flash 的回答虽然短，但核心信息都抓到了——项目来源、名称由来、定位。Pro 多出来的那些内容（Self-RAG、JWT+RBAC、SSE 流式推送），其实全都是从知识库里检索出来的原始文档内容，它只是组织得更完整。

换句话说，如果你的知识库文档质量高、分块合理，Flash 完全够用。

03、DeepSeek V4 值得聊的一点

传统 Transformer 的注意力机制，每个 token 要和前面所有 token 都算一遍相似度。

上下文能从 10 万拉到 100 万，这是长上下文一直跑不起来的根本原因。

DeepSeek 的解法是把注意力拆成两种，交替堆叠起来用。

第一种叫 CSA，全名 Compressed Sparse Attention，压缩稀疏注意力。

它的逻辑是先把每 4 个 token 的 KV 缓存合并成一条摘要，然后用 Lightning Indexer 快速估算相关性，让每个 query 只从这些摘要里挑出最相关的 top-1024 个去算。

第二种叫 HCA，全名 Heavily Compressed Attention，重度压缩注意力。

每 128 个 token 才合并成一条，但不做稀疏选择，所有压缩后的摘要全部参与计算。HCA 的定位是维持全局视野，保证模型不会丢了对整段文本的把控。

再加一个 128 token 的滑动窗口管局部依赖。

也就是说，CSA 负责精细化检索，HCA 负责全局审视，滑动窗口管好眼前。

可以这样理解这个设计：

读一本 1000 页的书，传统注意力是把每一页和前面所有页都对比一遍，翻到第 1000 页的时候要同时记住前 999 页的细节，脑容量直接爆炸。

CSA 的做法是把每 4 页贴一张便签纸，只写摘要，然后看到某一页时只去翻最相关的 1024 张便签纸。

HCA 的做法更绝——每 128 页才贴一张便签纸，但所有便签纸都看一眼。再加上手里的那一页（滑动窗口），局部细节、中程逻辑、全局脉络都有了，但脑容量得消耗只有原来的十分之一。

04、DeepSeek 真的很克制

最让我意外的是 DeepSeek 官方这次的措辞。

公告里是这样写的：

使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与 Opus 4.6 思考模式存在一定差距。

没有「吊打」，没有「碾压」，没有「遥遥领先」。

在充斥着「超越 GPT」「全球最强」「里程碑式突破」的当下，这种「我们确实还差一截」的表态真的很真诚。

「不诱于誉，不恐于诽，率道而行，端然正己。」

V4 不是一个完美的模型。

就我自己的使用体感下来看，前端这块的处理我认为还是有很大进步空间的。

这种实心的线条来布局，有点回到返璞归真的。😄

下一版不急，按你的节奏来。