- DeepSeek V4 发布双版本模型（Flash和Pro），通过架构创新（如混合注意力机制、FP4量化训练）显著降低了长文本推理成本，并有望通过适配国产昇

• 序号：553
• 星球链接：打开网页
• 附件：图片 0，音频 0，文档 0
• 音频文件：无音频

图片

无图片

正文

• DeepSeek V4 发布双版本模型（Flash和Pro），通过架构创新（如混合注意力机制、FP4量化训练）显著降低了长文本推理成本，并有望通过适配国产昇腾芯片进一步降本。报告认为，该版本强化了中国在模型效率上的优势，并加速了计算本地化进程，但不会加剧国内大模型竞争，因为全球的AI Token需求正在激增。

UBS（瑞银）在DeepSeek V4发布后第一时间发布深度报告。核心观点是：DeepSeek V4不再是一次单一的模型更新，而是推出了双版本分层模型体系（ 和 ），标志着国内大模型从“通用大模型”走向“任务分层、能力分级”的新阶段。V4在两方面取得了关键进展，这将加速中国企业的AI应用落地，并推动更多AI工作负载迁移到国产芯片平台上。

1. 模型分层：V4-Pro 与 V4-Flash 的双轨战略 （轻量版）：284B总参数/13B激活参数。定位为高性价比、低延迟的通用推理模型。其定价远低于同类智能水平的海外模型（如Gemini 3 Flash、Claude 4.5 Haiku），在国内也具有显著的价格优势。 （旗舰版）：1.6T总参数/49B激活参数。追求模型智能的上限，在复杂编程、长周期任务等高水平场景中竞争。根据Artificial Analysis数据，其综合智能水平与国内顶尖模型（如GLM-5.1、Kimi K2.6）基本相当，但在某些编程基准（Code Arena）上仍略逊于GLM-5.1。 ：这种分层策略反映了DeepSeek对Token需求分化的预判。随着模型能力提升，简单问答和高价值复杂任务对Token的需求将显著不同，分层模型能更精确地匹配客户需求，提升商业效率。
2. 架构创新：使百万Token上下文窗口变得经济可行 报告重点强调了V4在架构上的两大创新，这是其降低推理成本的关键：  与 ：使得1M token的上下文窗口的推理成本大幅下降。在1M上下文长度下，V4的FLOPs仅为V3.2的27%，KV缓存仅为V3.2的10%。这使得处理大规模业务文档、知识库等长文本场景的成本变得可以接受，将极大推动企业级AI的采纳。 ：这是一种计算轻量化的设计，天然更适合国内AI加速器（如昇腾芯片）的算力特性。
3. 国产计算适配：未来成本下降的关键驱动力 报告明确指出，V4-Pro当前的定价部分受到高端算力（可获取性）的限制。这种坦诚的表述，结合其架构设计，暗示了DeepSeek正在为大规模部署在国产芯片上做准备。 ：报告预期，当规模化的在2026年下半年部署后，V4-Pro的推理价格有望出现“有意义”的下降。这验证了“国产算力规模落地将打破价格天花板”的投资逻辑。
4. 国内其他模型更新：聚焦编程与Agent能力 报告还梳理了近期其他互联网/科技巨头的模型更新，共同点是“”： ：聚焦推理、编程和Agent工作负载，已在“元宝”、“ima”、“CodeBuddy”等产品中应用。 ：提升Agent编程能力和世界知识，强化云/开发者生态系统。 ：专为长周期软件工程和复杂工具使用设计的百万上下文Agent模型。
5. 竞争格局判断：无需过度担忧内卷 UBS认为，DeepSeek V4的发布。理由有二：一是V4自身的分层定价策略开了个好头，推动了行业良性发展；二是全球AI Token需求正在激增，市场空间足够大。报告明确表示看好：，因其云和芯片业务将从行业增长中受益。

本报告为行业点评性质，未对整个行业进行统一的估值调整，但针对几家核心公司给出了估值方法论和风险提示： 公司估值方法核心理解

价格/ARR（年化经常性收入） 适合当前以ARR为核心关注点的AI初创阶段。

市销率（P/S），辅以SOTP 考虑到其尚在投入期，P/S是更合适的估值参照。

SOTP（分部加总） 各业务（搜索、云、智能驾驶）需独立估值。

SOTP（分部加总） 电商、云计算、本地生活等业务需分开评估。

SOTP（分部加总） 游戏、社交、广告、云等需分别估值。 ：UBS对国内AI行业持乐观态度，认为技术迭代和需求增长是主旋律，无需担心过度竞争。对上述公司的看好本质上是对其业务与AI浪潮结合潜力的认可。

UBS在报告末尾列出了行业及重点公司的关键风险，主要包括： ：国内AI公司和全球巨头可能持续投入，竞争白热化。 ：用户需求和偏好快速变化，模型能力需要持续更新，否则容易落伍。 ：目前许多AI公司和环节尚未找到可持续的盈利模式。 ：获客成本、内容成本、品牌推广及IT系统维护成本可能持续上升。 ：数据安全、AI治理、用户生成内容等方面的监管政策可能发生变化。 ：全球科技脱钩和出口管制可能限制中国公司获取高端硬件（如GPU），影响模型升级速度。 ：管理层或核心技术人员的变动可能对业务造成冲击。 ：如百度对新业务的执行风险、阿里的多平台管理复杂性、智谱对大客户的依赖风险等。

总体总结

主题正文

1. • DeepSeek V4 发布双版本模型（Flash和Pro），通过架构创新（如混合注意力机制、FP4量化训练）显著降低了长文本推理成本，并有望通过适配国产昇腾芯片进一步降本。
2. 核心观点是：DeepSeek V4不再是一次单一的模型更新，而是推出了双版本分层模型体系（ 和 ），标志着国内大模型从“通用大模型”走向“任务分层、能力分级”的新阶段。
3. 其定价远低于同类智能水平的海外模型（如Gemini 3 Flash、Claude 4.5 Haiku），在国内也具有显著的价格优势。
4. 根据Artificial Analysis数据，其综合智能水平与国内顶尖模型（如GLM-5.1、Kimi K2.6）基本相当，但在某些编程基准（Code Arena）上仍略逊于GLM-5.1。
5. ：报告预期，当规模化的在2026年下半年部署后，V4-Pro的推理价格有望出现“有意义”的下降。
6. 这验证了“国产算力规模落地将打破价格天花板”的投资逻辑。
7. 本报告为行业点评性质，未对整个行业进行统一的估值调整，但针对几家核心公司给出了估值方法论和风险提示：
8. UBS在报告末尾列出了行业及重点公司的关键风险，主要包括：