发布研报称，DeepSeek V4是大模型在训练侧使用国产算力从0到1的尝试。此前国产大模型采用国产算力均用于推理侧，而DeepSeek本次从模型内核到训练架构、到推理全流程均出现了国产算力的影子，是重要里程碑。因此，无论DeepSeek V4表现如何，战略意义均十分重要，对国产算力的训练适配前景才是关注的重点。主要观点如下：DeepSeek V4首次由华为昇腾芯片参与训练 DeepSeek V4Flash是首个公开说明训练侧使用国产算力的通用大模型，通过三大核心设计实现了去化的技术布局。(1)引入MXFP4量化感知训练，对MoE专家权重与索引器QK路径实现FP4量化，降低了对NVIDIAFP8生态的绑定，可无缝适配、等国产芯片;(2)采用TileLang领域专用语言开发底层算子，脱离CUDA生态强绑定，可跨硬件平台编译，降低向国产芯片的迁移成本;(3)自研MegaMoE2融合内核，实现专家并行的细粒度通信计算重叠，已在平台完成适配跑通，解决了国产硬件环境下MoE模型的通信瓶颈。性能表现：整体跻身全球第一梯队，多项核心指标比肩甚至超越国际顶级闭源模型(1)知识储备：DeepSeek-V4-Pro-Max在SimpleQA-Verified基准上取得57.9分，大幅领先其他主流开源模型;中文SimpleQA得分达84.4，大幅缩小与Gemini-3.1-Pro的差距，MMLU-Pro、GPQADiamond等教育知识基准均领跑开源赛道。(2)推理与代码能力：Pro-Max版本Codeforces评分达3206，位列人类选手排行榜第23名，LiveCodeBench Pass达93.5，IMOAnswerBench得分89.8仅略逊于GPT-5.4;Flash版本Codeforces评分也达到3052，推理性能追平GPT-5.2等闭源模型。(3)Agent能力：V4Pro-Max的SWE-bench Verified任务解决分数达80.6，与Claude Opus4.6基本持平，Terminal Bench2.0、MCPAtlas Public等基准均处于开源模型第一梯队。(4)长上下文能力：1M token场景下，MRCR、CorpusQA得分分别为83.5、62.0，超越Gemini-3.1-Pro，且128K上下文内检索能力保持高度稳定。(5)中文创作：其功能性写
=*=*=*=*=*=
当前为第1/2页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页