DeepSeek V4 Pro 正式发布与视觉能力对比

DeepSeek 第四代专业版模型（V4 Pro）正式登场，这是经过完整迭代后的真实版本。此前曾出现过名为 "preview"（预览版）和编号为 "0813" 的版本，容易让人产生混淆。但此次发布的版本在性能上有了显著提升，其表现优于体量小得多的 Flash 版本。为了直观展示这种差异，博主进行了魔方搭建的测试。在之前的 Flash 模型中，AI 无法完全理解物体的三维结构，导致生成的图像中出现大量缺失部分和黑色空白区域。然而，在使用 V4 Pro 时，模型对结构的理解有了质的飞跃。生成的图像中魔方结构完整、细节清晰，展现了更接近真实物理世界的渲染质量。这种视觉上的进步让博主感到惊讶，认为其效果正在无限接近照片级真实感（fable quality）。这一进展表明，DeepSeek 再次推出了强有力的竞争者，且性能还在持续优化中。

"The previous version was called preview, and this is called 0813. The numbers say it performs better than the much smaller flash version."

"With the pro, look, much better understanding of structure. Then, I was also surprised by this... It is inching closer and closer to fable quality."

开源权重与商业定价的矛盾现状

DeepSeek V4 Pro 最令人难以置信之处在于，它向所有用户免费开放了模型权重。这意味着任何人都可以获取并运行该模型。然而，现实情况是，绝大多数个人用户缺乏在本地托管如此庞大模型的硬件资源。博主坦言自己虽然渴望在家运行，但受限于硬件条件无法实现。对于普通用户而言，替代方案包括使用 Lambda 平台或依赖 DeepSeek 官方提供的托管服务。但这里出现了一个令人困惑的现象：DeepSeek 官方大幅提高了 API 价格。根据博主的观察，新的定价大约是之前价格的 2.5 到 5 倍。这种官方高价与免费开源并存的局面，极易引发外界关于 "闭源 AI 已死" 或 "DeepSeek 策略反转" 的点击诱饵式报道。但实际上，MIT 许可证下的开源权重赋予了用户真正的自主权。这意味着任何人都可以在自己的基础设施上以更低的价格运行完全相同的模型，而不必受制于官方的高昂 API 费用。

"They give all this for us for free, which is absolutely incredible. Okay, but what does it mean for us? The weights are available for free... few have the hardware to host it at home."

"But, they just raised their prices dramatically, about 2 and 1/2 to 5x the previous prices. ... DeepSeek has MIT licensed open weights."

开源生态对前沿实验室的竞争压力

DeepSeek 的 MIT 许可策略不仅让用户受益，更对整个 AI 行业产生了深远影响。市场上出现了大量提供该模型托管服务的第三方平台，这些服务商之间展开了激烈的价格竞争。这种自由市场的机制极大地降低了用户的使用门槛和成本。对于前沿实验室（Frontier Labs）而言，这是一种巨大的竞争压力。DeepSeek 的举动很可能迫使其他顶级 AI 实验室迅速推出更先进、更具性价比的产品和服务。这种良性竞争最终将回馈给广大用户和研究人员，推动整个行业的技术进步。博主指出，这种由开源驱动的竞争格局是极其令人兴奋的，它打破了少数巨头对高端 AI 能力的垄断。用户不再是被动的消费者，而是可以通过运行开源模型参与到技术生态中。这种去中心化的趋势正在重塑 AI 行业的权力结构，使得技术创新更加民主化。

"A bunch of hosts available, and they all compete on price. That is amazing for us... very likely to push the Frontier Labs to give us fellow scholars something even better, and quickly."

架构不变下的性能飞跃：后训练与专家模型

尽管 V4 Pro 的底层神经网络结构与不到四个月前的预览版相同，但其性能却实现了巨大飞跃。这背后的核心秘密在于后训练（Post-training）阶段的创新。DeepSeek 并没有改变模型的基本架构，而是在预训练之后进行了精细的调整。具体来说，团队创建了多个专门的专家模型（Specialist Models），分别针对数学、代码编写和智能体工作（Agentic work）进行优化。博主特别强调，需要区分这些 "专家模型" 与传统的 "混合专家（MoE）" 机制。MoE 是单个神经网络内部的小型模块，而 DeepSeek V4 Pro 使用的这些专家模型是独立训练的模型检查点（Separately trained model checkpoints）。这种分离式的训练策略允许每个专家在特定领域达到极高的专业深度，为后续的整合打下坚实基础。这种架构上的微调是性能提升的关键第一步。

"All this improvement comes from the same architecture. But, how is that even possible? ... During post-training, DeepSeek creates several specialist models for mathematics, coding, and agentic work."

"People confuse these with the experts in mixture of experts. That's not quite the same... These are separately trained model checkpoints."

蒸馏技术与多教师训练机制

在拥有多个专家模型后，DeepSeek 采用了知识蒸馏（Distillation）技术来整合这些能力。这一过程涉及将超过十个专家教师模型的能力传授给一个最终的 "学生" 模型。蒸馏的过程被描述为一种双向适应：首先，学生模型尝试给出自己的答案（"This is what I would do."）；随后，各个教师模型提供它们认为正确的答案（"Well, this is what I would have done."）。通过这种对比，学生模型调整其内部参数（"adapts its brain"），使其行为模式更接近教师模型的输出。当与十个不同的教师模型进行这种交互时，学生模型的性能得到了显著提升。这种方法不仅保留了各个专家在特定领域的专长，还通过蒸馏过程实现了能力的泛化和整合。最终的学生模型因此具备了强大的综合推理能力，能够在数学、代码和智能体任务中表现出色。这种多教师蒸馏策略是 V4 Pro 性能超越前代版本的核心技术驱动力。

"Then comes distillation... They take more than 10 of these specialist teachers and train one final model to absorb their abilities."

"The student adapts its brain... Do it with 10 teachers and you see that the student indeed improves like crazy."

Speculative Decoding 带来的速度飞跃

除了性能提升，V4 Pro 在生成速度上也取得了突破性进展。DeepSeek 引入了一种先进的投机解码（Speculative Decoding）技术，即模型不再一次只预测一个 token，而是提前起草多个后续 token。这种机制比之前的技术更加高效和准确。根据 DeepSeek 官方报告的数据，V4 Pro 的生成速度提升了高达 78%。这是一个经过实测的真实加速比，用户可以直接在日常使用中体验到这一优势。速度的提升意味着更低的延迟和更高的吞吐量，使得大规模部署和应用更加可行。博主对此表示惊叹，认为这是 "绝对疯狂" 的技术进步。这项技术不仅提升了用户体验，也为研究者提供了更高效的实验工具。在短短六周前发布的论文中提出的这一技术，如今已转化为实际可用的强大功能。

"Instead of just predicting one token at a time, it drafts several tokens ahead. It does it much better than previous techniques."

"DeepSeek reports up to 78% faster generation for V4 Pro. Real, measurable speed up in real use that you get right now and benefit from it."

开源科研的极速落地与 Lambda 平台推广

DeepSeek V4 Pro 的快速迭代令人瞩目，一篇仅六周前发布的顶级研究论文迅速转化为大众可用的产品。这体现了开源科研的高效性。博主强调，用户拥有并可以运行这些权重意味着自主权。不会出现因输入错误关键词而被降级到不同模型的情况，也没有任何隐藏的游戏规则。即使个人用户无法在本地运行该模型，也有多种外部选项可供选择。博主推荐了 Lambda 平台作为实验和部署的工具。Lambda 提供强大的 NVIDIA GPU，使用户能够快速复现 AI 研究论文中的结果、训练或微调自己的模型。无论是进行推理（Inference）、文本生成还是视频处理，Lambda 都提供了稳定且快速的服务。运行 DeepSeek 聊天机器人或智能体变得既超级快又可靠。博主鼓励读者利用这些工具，抓住开源 AI 发展的机遇。

"This was a research paper... only 6 weeks ago. And now everyone is using it."

"I use Lambda to reproduce AI research papers often in minutes... Lambda gives you powerful Nvidia GPUs to run your own experiments. I test ideas from the papers I cover and moments later, results."

总结：开源未来与行动呼吁

DeepSeek V4 Pro 的发布标志着开放科学与研究的最佳实践。它不仅提供了强大的模型能力，还通过开源权重赋予了用户真正的控制权。博主呼吁大家积极使用 DeepSeek 和相关的工具（如 Lambda），充分利用这一技术红利。未来属于那些理解并掌握这些开源工具的人。博主还预告了后续内容，将深入探讨 DeepSeek 令人惊叹的 "No Agent Harness"（无代理框架），这是一个新颖且强大的设计。对于对此感兴趣的观众，博主建议订阅频道并开启通知。整个视频的核心信息是：开源 AI 正在以前所未有的速度进步，用户应当主动参与并利用这些资源。无论是通过本地部署还是云平台，每个人都可以在这一浪潮中找到自己的位置。

"This is open science and open research at its best. And it's important that we talk about it. Why? Because the future belongs to those who understand it."

"I plan to talk about DeepSeek's incredible no agent harness as well. Novel design, really powerful."