DeepSeek V4 搭載 NVIDIA Blackwell 正式推出，實現百萬Token上下文AI

Iris Coleman 2026年4月25日 00:10（UTC +8）

DeepSeek V4 由 NVIDIA Blackwell 驅動，提供百萬Token上下文AI，降低了記憶體開銷並加快推理速度，專為長上下文工作流程而設計。

DeepSeek 正式發布其第四代AI模型 DeepSeek-V4-Pro 與 DeepSeek-V4-Flash，突破長上下文推理的極限。這些模型現已透過 NVIDIA Blackwell GPU加速端點提供使用，支援最多100萬Token的上下文視窗，為進階程式設計、文件分析及代理式AI工作流程等應用帶來重大進展。

旗艦款 DeepSeek-V4-Pro 擁有1.6兆個總參數及490億個活躍參數，而更注重效率的 DeepSeek-V4-Flash 則擁有2,840億個總參數及130億個活躍參數。兩款模型均採用MIT授權，分別針對不同使用情境——Pro適用於進階推理，Flash則適用於摘要生成與路由等高速任務。

長上下文AI的架構突破

DeepSeek V4 以公司的混合專家（MoE）架構為基礎，引入多項創新，旨在克服長上下文推理的挑戰。全新混合注意力機制融合了壓縮稀疏注意力（CSA）與重度壓縮注意力（HCA），與前代 DeepSeek V3.2 相比，每Token推理浮點運算量降低了73%，KV快取記憶體使用量降低了90%。

這為何重要？隨著上下文視窗不斷擴展，管理記憶體與運算效率變得至關重要。多輪推理、工具整合及大型工作流程等長上下文AI應用，需要能夠在不產生瓶頸的情況下保留並處理大量上下文資料的模型。DeepSeek V4 的改進切實解決了這些痛點，使其成為有意擴展AI驅動系統的企業的強力競爭者。

NVIDIA Blackwell 整合

DeepSeek V4 與 NVIDIA Blackwell 平台緊密整合，充分利用其GPU加速基礎架構實現可擴展的效能。在 NVIDIA GB200 NVL72 硬體上的初步測試顯示，DeepSeek-V4-Pro 每位用戶每秒可達150個以上Token，且持續優化預計將進一步提升吞吐量。

Blackwell 架構專為兆級參數智慧模型而設計，天然契合 DeepSeek V4 的運算需求。開發者可透過 NVIDIA 在 build.nvidia.com 上的託管端點對這些模型進行原型開發，或使用 NVIDIA NIM 直接部署於自訂基礎架構環境中。

目標使用情境與部署靈活性

DeepSeek V4 處理百萬Token上下文的能力，為長上下文程式設計、檢索式工作流程及代理式AI開闢了新機遇。SGLang 和 vLLM 等部署工具進一步提升其靈活性，針對不同的延遲與吞吐量需求提供客製化方案，涵蓋從低延遲設置到大規模多GPU配置。

對部署靈活性的重視，印證了一個更廣泛的趨勢：隨著開放AI模型逐漸逼近智慧前沿，企業正將關注點從模型選擇轉向基礎架構優化。最終目標是在維持效能的同時降低每Token的成本，而 DeepSeek V4 與這一優先方向高度契合。

快速入門

開發者可透過多個管道存取 DeepSeek V4，包括 Hugging Face 及 NVIDIA 的API端點。對於希望將長上下文AI整合至工作流程的企業和開發者而言，DeepSeek V4 提供了可擴展性、效率與進階推理能力的強力組合。

憑藉其架構進步及與 NVIDIA Blackwell 的無縫整合，DeepSeek V4 為長上下文AI樹立了全新標竿。隨著對代理式系統及大範圍上下文視窗的需求持續增長，這類模型將在塑造下一代AI應用中扮演關鍵角色。

• deepseek v4
• nvidia blackwell
• ai models
• long-context inference