DeepSeek-V4的"计算量27%、显存10%"：论文原文里跟着三个条件

这组数字被引用得很广，但引用时常常只剩下"27%"和"10%"两个百分比。论文原文里，它们是有前提的。

先看原句。DeepSeek-V4论文（arXiv 2606.19348，2026年4月26日提交）的摘要写的是：

"In the one-million-token context setting, DeepSeek-V4-Pro requires only 27% of single-token inference FLOPs and 10% of KV cache compared with DeepSeek-V3.2."

拆开来，条件有三个：①在100万token上下文场景下、②与DeepSeek-V3.2相比、③指的是单token推理FLOPs与KV缓存。

去掉条件会错在哪

常见的转述是"计算量降到27%、显存占用降到10%"。两处失真：

第一，"显存占用"不等于"KV缓存"。KV缓存只是推理时显存的一部分，模型权重本身同样占显存——尤其V4-Pro是1.6万亿参数的模型。把KV缓存的比例说成整体显存的比例，会让人以为部署门槛下降了一个数量级。

第二，短上下文场景不适用这个比例。这一点更关键：效率优势本来就来自长上下文下的注意力压缩。V4用的是混合注意力架构——CSA（压缩稀疏注意力）沿序列维度压缩KV缓存并执行稀疏注意力，HCA（高度压缩注意力）压得更狠但保持稠密注意力。序列越长，压缩省下的越多；上下文很短时，本来也没多少可压。

换句话说，这是一个"在百万token这个特定战场上"的效率数字，不是模型在所有场景下都便宜了三分之二。

顺带说两个也常被记错的点

"4月24日发布"指的是预览版。DeepSeek官方4月24日的公告标题里就写着"预览版"。V4-Flash正式版是7月31日下午通过API文档发布日志上线公测的，当时官方表示V4-Pro正式版"将会尽快发布"。

而且正式版的提升不是靠换更大的模型：官方说明里，V4-Flash-0731的模型结构和尺寸与预览版保持一致，仅重新进行了后训练。

V4-Pro-Max不是第四个模型。它是V4-Pro的最大推理强度（maximum reasoning effort）模式。

另外，如果你是去API上调用，官方文档里的模型标识有三个：deepseek-v4-flash、deepseek-v4-pro，还有一个容易被漏掉的 deepseek-v4-flash-vision-exp（带视觉能力的实验版，exp表示实验性质，接口与可用性可能变动）。旧的deepseek-chat、deepseek-reasoner不是V4的标识。

参数、架构、许可证与各项出处（arXiv论文、Hugging Face模型卡、官方公告）整理在这里：DeepSeek-V4 — glowwiki