背景故事
最近我在 GPT-5.5 的辅助下复习计算机相关知识，它的实力让我深受震撼。之前 GPT-5 系列模型给我的感觉是“不够有人味”，但 5.5 明显改变了这种印象。相信很多小伙伴和我一样，这段时间都开始重新追捧 GPT：Image 2 直接断层式领先其余文生图模型，GPT-5.5 同样展现出 LLM 之王的水准。
记得当时，GPT-5.5 在北京时间 2026 年 4 月 24 日凌晨横空出世，而 DeepSeek V4 则在北京时间 2026 年 4 月 24 日中午发布。这是 DeepSeek 团队在沉寂半年之久后交出的又一份答卷。
DeepSeek 的发布文章里，拿来对比的模型大多是海外 AI 公司的上一代产品。毋庸置疑，DeepSeek V4 无法胜过 GPT-5.5，但它的价值与贡献不应被 GPT-5.5 的光芒掩盖。
我看好的 DeepSeek 能力
1、1M 上下文，召回能力能打
在 Context Arena 上下文竞技场榜单中，DeepSeek V4 Pro 模型在 128K 上下文压力测试下的召回能力位居国产开源模型第一。
为啥这很重要？你给模型布置一个任务，再让模型借助 OpenCode 等工具执行。任务执行越久、上下文越长，模型就越容易忘记前文内容，最终效果也更可能偏离用户预期。
2、国产乃至全球开源模型中，参数规模第一
虽然这几年受算力等因素限制，国内不少团队，包括阿里 Qwen 团队，都在研究小模型，并不断把小模型性能推向极致。但真正有望实现 AGI、持续提升模型能力的有效路径，依旧是把模型做得更大、更高效。DeepSeek 这一次将 V4 Pro 的总参数量直接提升到 1.6T，是 R1 模型的 2 倍多，这能确保模型具备更充足的世界知识。
3、…
还有许多我未曾发现的亮点，网友们有新见解可以在评论区补充。
我个人使用 DeepSeek V4 Pro 模型的体验
昨天开了 Kimi 的最低档会员，搭配官方 Kimi CLI 来进行数据预处理。
预处理效果与 Claude Code 搭配 Opus 模型、Codex 搭配 GPT-5.5 模型相比仍有差距。而且 Kimi K2.6 模型的上下文只有 256K，就算给了较好的提示，依旧没能剔除一些显而易见的噪声。
于是今天充值了 50 块的 DeepSeek API，搭配 OpenCode 来给 Kimi 收个尾。一开始处理结果并不如人意，于是我暂停了 OpenCode 中的执行，指导它完整读一篇、预处理一篇。最终，DeepSeek V4 Pro 在 OpenCode 的加持下，较好地完成了我布置的扫尾任务。
后续我又让它继续处理一些数据预处理相关任务，效果也让我较为满意。
总结
DeepSeek V4 Pro 模型在 Web 端或客户端上的体验不如豆包丝滑，功能也没有豆包全面，但在 API 调用场景下完成任务还算出色。
临近五一期间，DeepSeek API 价格打骨折，性价比十足。
目前 DeepSeek 处于帕累托前沿，模型能力强又便宜。如果你预算较为有限，同时又想确保模型能力，它是不错的选项。
虽然性能不及最新的 GPT-5.5 等模型，但贵在开源、便宜，并且加速了 AI 平权。Gemini 等模型的参数量远大于 DeepSeek，DeepSeek 目前打不过最顶尖的模型并不意外，但它的贡献值得人们称赞。
DeepSeek 团队低调内敛，不诱于誉，不恐于诽，率道而行，端然正己，秉持长期主义。这种态度比 OpenAI 的 Sam Altman 式炒作、Anthropic 捂着 Mythos 炒作要好太多了。
我读研时，研二（2024 年下半年到 2025 年），R1 还没出，处理数据我就用的它家，便宜、不限制并发、性价比最高！
看好 DeepSeek。小蓝鲸每一次搅动，都是对开源 AI 的进一步推进。DeepSeek 站在历史正确的一边，期待未来它带给我们更多惊喜。
评论