Segala Yang Kami Tahu Mengenai DeepSeek V4 Akan Datang

Pandangan ringkas terhadap model DeepSeek semasa

Jom lihat semua model DeepSeek terlebih dahulu sehingga anda mendapat idea tentang apa yang sebenarnya telah dicipta oleh syarikat ini:

1
1. DeepSeek-V2 (LLM umum)

Model ini diperkenalkan pada bulan Mei 2024 dan mempunyai sejumlah 236 bilion parameter, tetapi hanya 21 bilion yang aktif semasa memproses setiap token. Ia dibina menggunakan Mixture of Experts, yang pada dasarnya bermaksud model memilih bahagian tertentu dalam dirinya untuk menguruskan tugas yang berbeza daripada menggunakan segalanya sekali gus. Ini menjadikannya jauh lebih efisien.

DeepSeek-V2 boleh menangani konteks sehingga 128,000 token. Ia bagus untuk tugas bahasa umum dan pengkodan. Perkara terbaik ialah ia menelan kos kira-kira 42.5% kurang untuk latihan berbanding model terdahulu dan menggunakan 93.3% kurang memori semasa penggunaan.

2
1. DeepSeek-V3 (model bahasa besar dengan kebolehan penaakulan yang kuat)

Model V3 ini adalah peningkatan yang besar. DeepSeek-V3 mempunyai 671 bilion parameter keseluruhan dengan 37 bilion parameter aktif setiap token. Model ini dikeluarkan pada Disember 2024 dan sejujurnya mengejutkan semua orang.

Dari segi prestasi, ia bersaing dengan model tertutup seperti GPT-4. Ia sangat kuat dalam tugas matematik dan pengkodan. Model ini bersumber terbuka di bawah lesen MIT, yang bermaksud sesiapa sahaja boleh menggunakannya secara komersial atau mengubahsuainya.

3
1. DeepSeek-V3.1 dan V3.2 (kemas kini dengan penanganan konteks dan prestasi yang dipertingkatkan)

V3.1 adalah sejenis batu loncatan. Tidak banyak maklumat awam tentangnya, tetapi ia sebenarnya memperbaiki V3.

V3.2 adalah model utama terkini. Dikeluarkan pada akhir tahun 2025. Ia memperkenalkan sesuatu yang dipanggil Perhatian Sparse DeepSeek (DSA), yang mengurangkan kos pengiraan sambil mengekalkan kualiti yang tinggi, terutamanya untuk konteks yang panjang.

Melalui peningkatan pembelajaran peneguhan, V3.2 berprestasi pada tahap yang setanding dengan GPT-5. Mereka sebenarnya mempunyai dua versi. V3.2 biasa seimbang dan cekap. Kemudian ada V3.2-Speciale, yang memaksimumkan penaakulan dan menandingi Gemini 3.0 Pro. Versi Special sebenarnya mendapat prestasi tahap pingat emas dalam Olimpik Matematik Antarabangsa 2025 dan pertandingan lain.

V3.2 adalah model pertama mereka yang mengintegrasikan penaakulan terus ke dalam penggunaan alat. Jadi ia boleh berfikir langkah demi langkah semasa menggunakan alat luaran. Cukup hebat untuk membina agen AI.

4
1. DeepSeek-R1 (model yang berfokus kepada penaakulan)

R1 berkaitan sepenuhnya dengan penaakulan. Ia menggunakan pembelajaran pengukuhan tulen tanpa penyetempatan terbaik yang diawasi pada mulanya, yang membolehkan model menemui corak penaakulan sendiri melalui percubaan dan kesilapan. Ini berbeza daripada cara kebanyakan model dilatih.

Model ini menunjukkan pengesahan kendiri, refleksi, dan menghasilkan rangkaian pemikiran yang panjang. Apabila ia menyelesaikan masalah, anda boleh benar-benar melihat proses pemikirannya. Ia memecahkan sesuatu langkah demi langkah.

Prestasi adalah kuat. Ia mencapai sekitar 79.8% pada Peperiksaan Matematik Jemputan Amerika dan 97.3% pada MATH-500. Untuk pengekodan, ia mencapai penilaian Elo 2,029 dalam cabaran pengaturcaraan. Ia bersaing dengan model o1 OpenAI.

Bahagian yang benar-benar menarik adalah kos. Menjalankan DeepSeek R1 kos sekitar $8 bagi setiap sejuta token, sementara model o1 OpenAI kos $15 bagi setiap sejuta token input dan $60 bagi setiap sejuta token output. Jadi ia jauh lebih murah.

Seperti model V3 yang lain, R1 dibina di atas DeepSeek-V3-Base dan menyokong penggunaan komersial di bawah lesen MIT.

Berita tentang model AI pengekodan yang akan datang: DeepSeek V4

Tarikh jangkaan pelepasan DeepSeek V4

DeepSeek mensasarkan pelepasan V4 pada pertengahan Februari 2026, mungkin sekitar 17 Februari, yang bersesuaian dengan Tahun Baru Cina. Itu adalah strategi masa yang sama yang mereka gunakan dengan model R1 mereka. Ini belum disahkan secara rasmi oleh DeepSeek, tetapi laporan daripada mereka yang mengetahui tentang projek itu menunjukkan tempoh masa ini.

Syarikat ini agak berdiam diri mengenainya di khalayak ramai, tetapi terdapat banyak perbincangan daripada pembangun yang menjejaki kemas kini di GitHub dan kertas kajian. Analisis pangkalan kod FlashMLA mereka menunjukkan pengenalan model baharu yang dipanggil "MODEL1" muncul sebanyak 28 kali dalam fail mereka, yang mana ia mungkin adalah V4. Jadi secara dasarnya, anda boleh menjangka ia sekitar pertengahan Februari, mungkin dalam beberapa minggu akan datang, tetapi tiada apa yang benar-benar tetap setakat ini.

Inovasi seni bina DeepSeek V4

1
1. DeepSeek mHC (Sambungan Hiper Terkekang Manifold)

DeepSeek mHC merupakan seni bina dan kaedah latihan baharu untuk menjadikan rangkaian neural besar, contohnya, model bahasa besar, lebih mudah dan stabil untuk dilatih. Ia adalah sambungan utama DeepSeek untuk mengekang matriks sambungan yang dipelajari kepada manifold matriks dua arah stochastik yang barisan dan lajur masing-masing berjumlah 1. Ini memastikan latihan stabil dan baik dengan sambungan hiper dengan mencegah magnitud isyarat dan kecerunan daripada menyimpang apabila rangkaian menjadi lebih mendalam.

2
1. Seni bina memori Engram untuk pemanggilan semula lebih pantas

Bahagian teras baru dalam DeepSeek V4 ialah Engram, sebuah sistem memori yang menyimpan corak dan fakta dengan cara yang boleh dicapai dengan cepat. Model ini boleh mendapatkan data yang disimpan menggunakan kaedah pencarian pantas. Ini membolehkannya mengingati urutan panjang dengan lebih baik dan memastikan penaakulan konsisten untuk tugas-tugas yang panjang. Ia juga membebaskan model untuk memberi tumpuan kepada maklumat baru daripada mengingat fakta lama.

3
1. Teknik perhatian dan ketepatan lanjutan

Model ini menambah penambahbaikan dalam cara ia memberi perhatian kepada bahagian penting dalam input. Kaedah perhatian baru seperti perhatian jarang membolehkan model mengendalikan urutan panjang tanpa menjadi terlalu perlahan. Teknik ketepatan seperti format angka campuran menjadikan pengiraan lebih tepat sambil menggunakan memori yang lebih sedikit. Perubahan ini membolehkan V4 membuat penaakulan lebih jelas tentang masalah yang kompleks seperti logik kod panjang atau dokumen berlapis.

4
1. Campuran-pakar

DeepSeek V4 terus menggunakan struktur campuran‑pakar (MoE). Dalam reka bentuk ini, model mempunyai banyak modul pakar kecil dan hanya mengaktifkan modul yang paling relevan untuk setiap tugas. Ini membolehkan sistem berkembang tanpa mengaktifkan setiap bahagian sepanjang masa. Dengan MoE, V4 kekal cekap walaupun ia berkembang dari segi saiz dan keupayaan. Digabungkan dengan Engram, struktur ini membolehkan model mengimbangi memori dan pengiraan dengan cara yang berkuasa.

Keupayaan utama DeepSeek V4 berbanding model-model sebelumnya

Model DeepSeek 1 akan menjadi lonjakan besar daripada versi-versi lama. Peningkatan utama yang dijangka dalam model baharu ini termasuk:

1
1. Fokus utama pada pengekodan

DeepSeek V4 dibina terutamanya untuk kerja kejuruteraan perisian. Ujian dalaman dilaporkan menunjukkan V4 mengatasi model Claude dan GPT dalam penjanaan kod konteks panjang. Ia akan menangani pemahaman kod yang sangat panjang, penyahpepijatan, dan pengubahsuaian merentas bahasa dan sistem. Model ini sepatutnya membantu dengan tugas seperti menjejaki pepijat, menulis ujian, dan menjelaskan kod yang kompleks. Fokus ini menjadikannya lebih berguna untuk pembangun berbanding model AI tujuan umum.

2
1. Sokongan untuk konteks panjang

V4 direka untuk membaca dan bekerja dengan sejumlah besar teks atau kod dalam satu masa. Kebanyakan model AI kehabisan memori selepas beberapa ratus ribu token. DeepSeek V4 dirancang untuk menyokong konteks melebihi 1 juta token, yang membolehkannya mengendalikan keseluruhan pangkalan kod, dokumen panjang, atau set data besar tanpa memecahkannya kepada bahagian yang lebih kecil. Ini meningkatkan kesinambungan dan menghalang model daripada melupakan maklumat terdahulu.

3
1. Kecekapan pengkomputeran yang diperbaiki

Di belakang tabir, V4 menggunakan perubahan kejuruteraan pintar untuk mengurangkan jumlah pengiraan yang diperlukan. Sebagai contoh, ia menggunakan kaedah perhatian jarang yang menumpukan kuasa pengiraan di mana ia paling penting dan bukannya pada setiap interaksi yang mungkin. Ini bermakna model boleh menjalankan konteks panjang dengan kurang memori dan tenaga.

4
1. Pemahaman berbilang fail

Satu peningkatan besar ialah keupayaan model untuk memahami berapa banyak fail yang berkaitan antara satu sama lain. Daripada hanya membaca satu fail pada satu masa, V4 dijangka dapat menjejaki import, fungsi, definisi, dan rujukan merentasi keseluruhan projek. Ini membolehkannya menganalisis kebergantungan, mengenal pasti kesilapan yang melibatkan pelbagai fail, dan menawarkan cadangan penyusunan semula yang berfungsi pada keseluruhan sistem.

Ulasan ringkas mengenai Pippit: menggambarkan arahan DeepSeek anda

Pippit ialah alat AI yang menawarkan penjana video dan alat reka bentuk AI untuk mencipta imej dan video. Jadi, apabila anda menggunakan DeepSeek untuk menulis arahan, idea, atau skrip yang terperinci, anda boleh membawa teks tersebut ke dalam Pippit untuk mencipta visual atau video. Model teks-ke-imej atau video maju Pippit membaca arahan dan menjana klip sosial, pameran produk, atau visual cerita yang mencerminkan arahan yang anda cipta di DeepSeek.

Mengapa memilih Pippit untuk menggambarkan arahan DeepSeek anda

1
1. Respons pembentukan video multimodel terhadap Arahan DeepSeek

Pippit membolehkan anda memasukkan arahan yang dihasilkan oleh DeepSeek beserta pautan halaman produk, PowerPoint, atau rakaman tempatan, dan terus menukarkannya kepada sorotan produk, TikTok viral, reel menarik, atau video meme lucu. Platform ini menggunakan model AI yang berbeza bergantung pada keperluan anda. Anda boleh menggunakan Veo 3.1, Sora 2, mod Ejen, atau mod Lite, pilih sebarang tempoh, dan tetapkan bahasa video.

1
1. Visualkan arahan imej AI dari DeepSeek untuk sebarang kegunaan

Pippit menggunakan model terkini, Nano Banana Pro dan Seedream 4.5, untuk menghasilkan visual berkualiti tinggi dan dapat disesuaikan daripada arahan teks mudah yang dihasilkan oleh model bahasa besar seperti DeepSeek. Alat reka bentuk AI ini memahami bahasa dengan sangat baik dan menangkap niat anda dengan butiran yang tajam, pencahayaan yang seimbang, dan tekstur yang jelas. Anda boleh memuat naik imej rujukan, melaraskan nisbah aspek, dan menyesuaikan segala-galanya daripada warna hingga elemen tertentu yang anda ingin sertakan.

Cara menukarkan arahan DeepSeek kepada video di Pippit

Anda boleh klik pada pautan di bawah dan ikuti tiga langkah berikut untuk mencipta klip media sosial, iklan, dan banyak lagi dengan Pippit menggunakan arahan yang anda hasilkan dengan DeepSeek:

1
1. Buka penjana Video

• Mula-mula, anda perlu mendaftar untuk akaun Pippit. Anda boleh menggunakan login Google, TikTok, atau Facebook, mana-mana yang paling mudah untuk anda.
• Sebaik sahaja anda masuk, klik "Penjana Video" dari panel navigasi kiri.
• Sekarang anda akan melihat medan teks di mana anda memasukkan prompt yang dihasilkan oleh DeekSeek.

2
1. Hasilkan video anda daripada prompt DeepSeek

• Tekan "Tambah media dan banyak lagi" jika anda mahu memuat naik foto, klip video, atau bahan rujukan.
• Klik "Pilih model" untuk memilih model anda berdasarkan jenis video yang anda perlukan. Mod Lite sesuai untuk video pemasaran pantas, mod Agent bagus untuk sesuatu yang kreatif, Veo 3.1 menangani video realistik dengan baik, dan Sora 2 adalah untuk kandungan yang lebih terperinci.
• Jika anda menggunakan mod Agent, anda boleh klik "Muat naik video rujukan" untuk menunjukkan gaya yang anda mahu AI hasilkan semula.
• Buka "Tetapan khusus video" untuk melaraskan panjangnya. Tetapkan kepada apa sahaja yang masuk akal untuk projek anda, bermula dari 15 saat hingga beberapa minit.
• Anda juga boleh memilih keutamaan bahasa anda di sini jika anda mahukan sulih suara atau sarikata.
• Setelah semuanya kelihatan betul, klik "Jana" dan biarkan Pippit mencipta video anda. Ia akan menambah animasi, peralihan, dan kesan berdasarkan apa yang anda terangkan dalam arahan anda.

Cuba arahan daripada DeepSeek: Jana video berkualiti tinggi seekor anjing kecil menari dalam ruang tamu moden. Babak adalah bahagian dalam rumah yang selesa dengan tingkap besar dan cahaya matahari pagi yang lembut mencipta bayang semula jadi di atas lantai kayu. Anjing itu berdiri dengan kaki belakangnya dan melakukan lompatan sisi ke sisi yang ceria, berputar dalam bulatan kecil dan menggerakkan kaki di udara dengan irama. Kamera menggunakan pan bergaya handheld perlahan dari kiri ke kanan dengan sedikit gerakan semula jadi. Pewarnaan warna yang hangat, pergerakan realistik, suasana ceria.

3
1. Eksport dan kongsi

• Pilih "Edit lebih" untuk membuka editor video dalaman bagi meningkatkan kandungan video anda.
• Klik "Muat turun" untuk menyimpan video ke komputer anda.
• Jika anda ingin berkongsi video dengan segera, klik "Terbitkan" untuk menjadualkan secara automatik dan menyiarkan video anda di platform media sosial seperti TikTok, Facebook, dan Instagram.

Cara mengubah arahan DeepSeek kepada imej dalam Pippit

Ikuti langkah-langkah ini untuk mengubah arahan imej AI yang dihasilkan oleh DeepSeek untuk poster, risalah, kertas dinding, siaran media sosial, atau penciptaan karya seni.

1
1. Buka alat reka bentuk AI

• Klik "Studio Imej" di bawah "Penghasilan."
• Klik "Reka bentuk AI" di bawah "Perhebat imej pemasaran."
• Beritahu DeepSeek jenis imej yang anda mahukan, kemudian salin gesaan tersebut dan gunakannya dalam Pippit.

2
1. Tukar gesaan DeepSeek kepada imej

• Klik butang "+" jika anda ingin memuat naik gambar rujukan. Mungkin anda mempunyai contoh gaya yang anda inginkan, atau elemen tertentu yang anda mahu AI gunakan sebagai inspirasi. Langkah ini adalah pilihan tetapi berguna.
• Untuk memilih antara model Seedream atau Nano Banana, klik "Model." Setiap satu mempunyai kelebihan yang berbeza. Jika anda tidak pasti yang mana satu untuk digunakan, biarkan sahaja pada Auto dan biar Pippit membuat keputusan.
• Pilih "nisbah aspek" yang anda perlukan. Segi empat tepat untuk media sosial, landskap untuk laman web, potret untuk skrin telefon, apa sahaja yang sesuai dengan projek anda.
• Klik "Generate" dan tunggu sebentar sementara AI Pippit mencipta imej anda berdasarkan segala yang anda jelaskan.

Cuba arahan daripada DeepSeek: Seekor anjing berlari melintasi kawasan taman terbuka, telinga terangkat di tengah pergerakan, mulut sedikit terbuka, kaki kabur kerana kepantasan. Latar belakang menjulur menjadi jalur hijau dan coklat ketika kamera berusaha mengekalkan fokus. Pancaran cahaya matahari melintasi badan dalam tompokan yang tersekat-sekat Dirakam secara genggam, shutter laju tetapi penjejakan tidak sempurna, bunyi yang kelihatan di kawasan yang teduh, kabur gerakan dibiarkan untuk mengekalkan realisme

3
1. Eksport imej anda

• Sahkan hasil yang dijana daripada arahan DeepSeek Anda boleh menyesuaikan butiran arahan anda untuk menjana lebih banyak imej dalam gaya yang berbeza
• Gunakan alat di dalam untuk menala kandungan imej anda berdasarkan keperluan anda
• Klik "Muat Turun" untuk menyimpan imej anda ke peranti tempatan anda

Kesimpulan

Jadi, mari kita rumuskan apa yang telah kita bincangkan di sini. Kita melihat barisan semasa DeepSeek dan meneroka apa yang akan datang dengan V4, yang sedang membentuk peningkatan serius dengan tetingkap konteks sejuta token, seni bina memori Engram, dan fokus laser pada tugas pengekodan. Peningkatan ini menjadikannya lebih mampu menangani projek yang kompleks dan set data yang besar. Ini jelas menunjukkan bahawa DeepSeek telah berkembang jauh dalam hanya beberapa tahun sahaja. Ianya kini menjadi alat pilihan untuk tugas pengekodan, penyelidikan, dan penyelesaian masalah yang serius.

Soalan Lazim

Apa yang istimewa tentang model DeepSeek v3?

Model DeepSeek V3 menonjol kerana kemampuannya menangani input yang sangat besar, dengan tetingkap konteks sehingga 128K token, yang membenarkannya membaca dan membuat alasan menerusi dokumen atau pangkalan kod yang panjang. Ia menggunakan reka bentuk Mixture-of-Experts (MoE), yang memastikan ia pantas dan cekap dengan hanya mengaktifkan bahagian model yang diperlukan. V3 juga mempunyai memori hierarki untuk mengingat maklumat penting, sistem peneguhan kebenaran untuk mengurangkan kesilapan, dan teknik latihan lanjutan yang meningkatkan mutu teks dan prestasi.

Apakah model yang termasuk dalam senarai model DeepSeek?

Barisan model DeepSeek termasuk V2 untuk konteks dan penaakulan yang lebih baik, V3 dengan tetingkap token 128K dan MoE, serta V3.1 untuk penaakulan yang lebih mendalam. Terdapat juga model V3.2-Speciale, yang berfungsi baik untuk tugas penaakulan dan penyelesaian masalah pada tahap persaingan. Siri R1 memberi tumpuan kepada penaakulan logik secara langkah demi langkah.

Bagaimana DeepSeek mengendalikan tugas konteks panjang?

Model AI DeepSeek mengendalikan konteks panjang melalui mekanisme perhatian jarang yang memilih hanya token yang paling relevan, bukannya membandingkan segalanya dengan segalanya yang lain. Ini menjadikan pemprosesan konteks panjang jauh lebih pantas, sambil memberikan output berkualiti tinggi. V3.2 dan V4 yang akan datang boleh memproses lebih daripada satu juta token, yang bermaksud mereka boleh berfungsi dengan keseluruhan pangkalan kod atau dokumen besar dalam satu masa.

Adakah DeepSeek V4 akan menjadi sumber terbuka?

Pada masa ini, DeepSeek belum secara rasmi mengesahkan sama ada V4 akan sepenuhnya sumber terbuka. Namun, DeepSeek mempunyai corak yang jelas dalam membuat model dan timbangannya tersedia kepada umum. Jadi berdasarkan rekod mereka dengan V2, V3, dan R1, kemungkinan besar V4 akan mengikuti pola yang sama apabila dilancarkan pada pertengahan Februari.

Bolehkah model DeepSeek digunakan secara tempatan?

Ya, anda boleh menjalankan model DeepSeek secara tempatan. V3 dan V3.1 mempunyai timbangan terbuka yang boleh anda muat turun dan jalankan pada CPU atau GPU anda sendiri. Versi R1 yang disuling lebih kecil, seperti model parameter 7B, 14B, dan 32B, berfungsi pada perkakasan pengguna biasa. V4 dijangka dapat dijalankan pada dua RTX 409 atau satu RTX 5090 terima kasih kepada reka bentuk Mixture-of-Experts-nya.