标签
文章批评微软人工智能的编码模型表现逊于Kimi K3和Deepseek V4等竞争对手，暗示尽管资源雄厚，MAI仍远远落后。
DeepSeek V4 Flash（98GB）现在通过CPU卸载，在单块RTX 4060 Ti上运行速度可达每秒7个token，相比上周的2t/s提升了3倍。
一位用户分享了在 24GB 显卡和 DDR5 内存上运行 DeepSeek v4 Flash 模型的体验，包括性能数据和优化技巧。
将量化KV缓存的修复合并到llama.cpp的DeepSeek V4分支中，并提供了f16、q8_0和q4_0缓存类型的基准困惑度结果。
SGLang 为 DeepSeek-V4 提供了首日支持，LMSys 与 NVIDIA 工程团队的合作在生产环境中实现了高达 5 倍的吞吐量提升，相关改进已在 SemiAnalysis InferenceX 仪表盘上展示。
DwarfStar 是一个自包含的原生推理引擎，专为 DeepSeek V4 Flash 和 PRO 模型优化，支持 Metal、CUDA 和 ROCm 后端，专注于高端个人电脑和 Mac Studio。
FlashMemory-DeepSeek-V4提出了一种名为Lookahead Sparse Attention（LSA）的新型推理范式，通过神经内存索引器主动预测未来上下文需求，将物理KV缓存占用压缩至全上下文基线的13.5%，同时平均精度提升0.6%。该方法采用解耦训练策略，无需加载基座模型即可独立训练索引器，显著降低训练成本。
一位开发者通过在NVMe SSD上流式传输模型权重，在树莓派5上运行了DeepSeek-V4-Flash，达到了1.3 tokens/秒的速率，功耗仅8瓦，证明了前沿级别的开放权重模型在低成本、离线硬件上的可行性。
提出在DeepSeek-V4上结合神经记忆索引器的前瞻稀疏注意力，将GPU内存使用降至全上下文基线的约13.5%，同时保持或略微提升准确率。
根据DeepSeek V4技术报告对主流大模型的横评，Gemini 3.1 Pro的世界知识被认为最强，但用户普遍觉得不好用，原因是该模型不主动调用搜索工具。
个人测试称DeepSeek v4在中文写作上超越了Opus 4.8，认为DeepSeek v4是当前中文写作最强的模型。
DeepSeek V4 Flash 现已在 Nous Portal 上再次免费提供，可用于 Hermes Agent。
一位开发者成功在四张RTX 2080 Ti GPU上以2500美元预算本地运行DeepSeek-V4-Flash（总计284B，激活13B），通过自定义图灵CUDA内核、W8A8量化和异构推理实现了255个预填充token/秒。该实现已开源。
对Deepseek V4在多个生产代码库上的百万token上下文窗口的详细评估显示，在150-250k token时性能最佳，超过300k后性能下降，推理模式下延迟显著。该模型在未知任务上表现出较高的幻觉率，生产环境中需要验证层。
关于在Claude Code中使用DeepSeek V4作为Claude Opus 4.7的更便宜替代方案的指南，包括设置步骤和成本比较。
一位开发者使用 Codex 5.5 作为编排器、Deepseek v4 pro 作为执行器，生成了一个 240M Token 的微调数据集，烧掉了 359M Token，成本仅为 78 美元。
DeepSeek于2026年4月24日以MIT许可证发布了V4 Pro和V4 Flash。在与Claude Opus 4.7和Kimi K2.6的基准测试中，V4 Pro得分77/100，价格为2.25美元，性能介于Opus 4.7（91分）和Kimi K2.6（68分）之间；而V4 Flash得分60/100，价格为0.02美元，是本次对比中最便宜的，并且到5月31日前购买V4 Pro可享受75%的折扣。
Anthropic 公布被雪藏的 Claude Mythos 模型，可自主挖掘数千个 0-day；ZAI 开源 1.5 TB GLM-5.1，登顶开放权重基准；阿里巴巴未发布的 HappyHorse 视频模型冲上公开榜第一；Deepseek 放出“专家模式”v4 预览。