DeepSeek-V4-Pro (1.6T MoE) 模型架构参数、评测与显存全表
DeepSeek 1.6 万亿参数开源巅峰旗舰(单步激活 49B),采用 CSA+HCA 混合稀疏注意力,原生 1M 上下文,代码与推理追平顶级闭源模型。
🧬 DeepSeek-V4-Pro (1.6T MoE) 底层网络与张量参数总表 (Model Overview & config.json)
全部字段同步自官方 HuggingFace 仓库 (deepseek-ai/DeepSeek-V4-Pro) 的 config.json 与技术报告 · 核验日期 2026-11-20
1. 骨干网络与维度参数
deepseek_v4- 总参数量 / 单步激活
- 1.6T / 49B
- Hidden Size (d_model)
- 7,168
- MoE 专家中间层维度
- 3,072
- MoE 专家配置
- 384 路由 · 激活6 + 1 共享
- 激活函数 / RMSNorm
- SiLU (SwiGLU) · ε=1e-6
- 原生权重精度
- FP8 Mixed
2. 注意力机制与混合层拓扑
MLA- Transformer 总层数
- 61 层
- 网络层排布 (Hidden Layout)
- 61 层 CSA + HCA 混合压缩稀疏注意力 MoE + mHC 超连接 (384 路由专家 + 1 共享)
- 注意力头 (Q / KV)
- 128 Q / 1 KV (128:1 GQA)
- Head Dimension
- 512
- 线性注意力 / KV 压缩机制
- 1M 上下文下推理 FLOPs 仅为 V3.2 的 27%,KV Cache 仅为 10%
- 视觉编码器 / MTP 头
- MTP 1L
3. 上下文、位置编码与词表
Tokenizer- 原生上下文长度
- 1,048,576 tokens
- 旋转位置编码 (RoPE)
- Decoupled RoPE (θ=10,000 · qk_rope_dim=64 · 原生 1,048,576 Context)
- 词表大小 (vocab_size)
- 129,280 (独立输出头)
- 特殊控制 Token ID
- BOS: 0 · EOS: 1
📋 DeepSeek-V4-Pro (1.6T MoE) 官方 API 技术规格与计费参数总表
核验自 DeepSeek 官方开发者文档与公开定价页(核验日期 2026-11-20)
1. 模型标识与能力开关
API Spec- 官方调用 Model ID
- deepseek-v4-pro
- 版本发布日期
- 2026-08-13
- 权重授权形态
- 开源权重 (云端 API 规格)
- 原生深度推理思考
- ✅ 支持 (可调思考预算)
- Function Calling & JSON Schema
- ✅ 原生支持
- Batch API 异步批处理
- ✅ 支持 (通常享 5 折)
2. 上下文、输出上限与模态
Limits- 最大输入上下文窗口
- 1,024,000 tokens (1024K)
- 单次最大输出上限
- 384,000 tokens
- 支持输入模态
- Text
- 支持输出模态
- Text
- 中国大陆网络直连
- ✅ 国内极速直连 + 人民币结算
- 分发与部署形态
- 开源权重 + 托管云 API
3. 官方 Token 单价与缓存阶梯
USD / 1M- 标准输入单价 (每百万)
- $ 1.32
- Prompt 缓存命中输入
- $ 0.044 -97%
- 标准输出单价 (每百万)
- $ 3.96
- 长上下文阶梯与计费备注
- DeepSeek 官方:标准时段费率;闲时半价仅 $0.66 输入 / $1.98 输出
🏆 DeepSeek-V4-Pro (1.6T MoE) 官方基准评测成绩单
摘录自官方 System Card / Model Card 与权威公开横评表
MMLU 进阶推理增强版,将选项从 4 个扩充至 10 个并剔除简单记忆题,重点考察跨学科复杂计算与多步逻辑推理。
中文简短客观事实准确性与抗幻觉核查基准
研究生级物理、化学与生物高难防搜索推理选择题
持续从 LeetCode、AtCoder 与 CodeForces 采集最新赛题的无污染代码生成与算法推理基准。
经人类工程师逐题验证可解的 500 道真实 GitHub 开源仓库 Issue 修复基准,衡量模型阅读大型代码库并生成通过单测补丁的实战工程能力。
OpenAI 发布的深度联网搜索基准,含 1,266 道需要智能体在互联网上反复检索、交叉核实才能找到隐蔽线索的高难多跳检索题。
🎛️ 官方调用采样与思考参数指南
API / 推理引擎调用时的最佳超参数与约束说明
💡 官方推荐 temperature=1.0, top_p=1.0;开启 Think Max 建议上下文至少预留 384K
📊 DeepSeek-V4-Pro (1.6T MoE) 全量评测成绩与维度排名
共 22 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20
💻 代码工程 8 项
持续从 LeetCode、AtCoder 与 CodeForces 采集最新赛题的无污染代码生成与算法推理基准。
经人类工程师逐题验证可解的 500 道真实 GitHub 开源仓库 Issue 修复基准,衡量模型阅读大型代码库并生成通过单测补丁的实战工程能力。
覆盖 Java、TypeScript、JavaScript、Go、Rust、C 与 C++ 等主流语言的 1,632 道真实开源仓库 Issue 修复评测。
大规模模型上下文协议(MCP)工具协同基准,评估智能体在复杂多步任务中协调、组合调用数十种外部 MCP 工具的真实成功率。
Terminal-Bench 2.0 真实终端环境智能体评测,衡量命令行工具链操控与长链路工程任务完成率。
SWE-Bench 高阶专业版,聚焦需要跨文件长链推理与复杂架构改动的真实工业级软件工程任务。
面向数小时至数十小时开放式大型工程项目(系统性能优化、大规模代码构建、应用机器学习研发)的前沿软件工程评测。
评估编码智能体所提交补丁是否达到仓库维护者合并标准的工程质量基准(联网作弊记零分)。
🤖 Agent 与工具调用 2 项
📐 数学 7 项
2026 年 2 月哈佛-麻省理工数学锦标赛(HMMT)高难度竞赛真题评测。
MathArena 维护的最高难度奥林匹克与前沿数学竞赛尖端题集(Apex)。
国际数学奥林匹克(IMO)级别高难数学答案生成与验证基准,测试顶级数学竞赛求解实力。
MMLU 进阶推理增强版,将选项从 4 个扩充至 10 个并剔除简单记忆题,重点考察跨学科复杂计算与多步逻辑推理。
每月基于最新 arXiv 论文、新闻与新数据集动态更新题目的抗污染综合评测基准(客观规则自动判分,不依赖裁判模型)。
「人类最后的考试」(HLE),由全球学者联合出题的 2,500 道数学、人文与自然科学前沿难题(图文多模态),专门测试大模型在人类知识边界上的推理极限。
基于知名算法竞赛平台 CodeForces 真题(难度分 800–2400)的竞技编程能力评测。
📜 长上下文 2 项
🧠 推理与科学 2 项
来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。
⚡ DeepSeek-V4-Pro (1.6T MoE) 本地显存占用 & 实时吐字速度计算器
物理总容量 96 GB · 占用率 1052.3%
超出安全可用上限 895.94 GB
MLA 潜在注意力显著压缩高并发 KV 占用
OLLAMA_CONTEXT_LENGTH=16384 ollama run deepseek-v4:pro本地显存不足?运行 DeepSeek-V4-Pro (1.6T MoE) 的替代方案
可按小时租用预装好 vLLM / LLaMA-Factory 的大显存云显卡,或算一下直接调 API 对比买卡的 12 个月回本线。
📊 DeepSeek-V4-Pro (1.6T MoE) 各量化精度显存占用对照表 (16K 上下文)
| 量化格式 | 等效位数 | 纯权重体积 | KV Cache (16K) | 总显存需求 | 精度评价 |
|---|---|---|---|---|---|
| FP16 / BF16 | 16 bpw | 3200 GB | 0.17 GB | 3264.62 GB | 无损原精度 |
| FP8 / Q8_0 | 8.5 bpw | 1700 GB | 0.17 GB | 1734.62 GB | 99.9% 接近无损 |
| GGUF Q6_K | 6.56 bpw | 1312 GB | 0.17 GB | 1338.86 GB | 极高画质 · 严肃编码 |
| GGUF Q5_K_M | 5.69 bpw | 1138 GB | 0.17 GB | 1161.38 GB | 高均衡度 |
| Q4_K_M / AWQ | 4.85 bpw | 970 GB | 0.17 GB | 990.02 GB | 黄金甜点(推荐) |
| GGUF IQ4_XS | 4.25 bpw | 850 GB | 0.17 GB | 867.62 GB | 省显存优选 |
| GGUF Q3_K_M | 3.91 bpw | 782 GB | 0.17 GB | 798.26 GB | 轻度智商折损 |
| GGUF Q2_K | 3.15 bpw | 630 GB | 0.17 GB | 643.22 GB | 极限压缩尝鲜 |
🖥️ 主流显卡、Mac 与国产卡运行 DeepSeek-V4-Pro (1.6T MoE) (Q4_K_M) 兼容性列表
常见问题解答 (FAQ)
DeepSeek-V4-Pro (1.6T MoE) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?
DeepSeek-V4-Pro (1.6T MoE) 底层架构为 DeepseekV4ForCausalLM,共 61 层(61 层 CSA + HCA 混合压缩稀疏注意力 MoE + mHC 超连接 (384 路由专家 + 1 共享)),隐藏层维度 hidden_size=7168,注意力头配置为 128 个 Query 头 / 1 个 KV 头(head_dim=512),词表大小 vocab_size=129,280,原生上下文窗口 1,048,576 tokens。
DeepSeek-V4-Pro (1.6T MoE) 本地部署至少需要多少 GB 显存?
在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,DeepSeek-V4-Pro (1.6T MoE) 共需约 990.02 GB 显存(含权重 970 GB + KV 缓存 0.17 GB + 系统开销 19.85 GB)。无损 FP16/BF16 则需约 3264.62 GB。
DeepSeek-V4-Pro (1.6T MoE) 官方推荐的采样参数(Temperature / Top-P)是多少?
依据官方 generation_config.json 与最佳实践,在「Think Max 极限推理模式 (Official Recommended)」下建议设置 temperature=1、top_p=1。注意:官方推荐 temperature=1.0, top_p=1.0;开启 Think Max 建议上下文至少预留 384K