DeepSeek再登顶：这次不是追平，是把硅谷的“老规矩”掀了
2026年4月24日，DeepSeek V4-Pro上线当天，Hugging Face开源模型榜第一的位置换了人。同一天凌晨，OpenAI刚发了GPT-5.5。一个闭源，一个开源；一个在聚光灯下开发布会，一个直接把模型权重挂上网。结果榜单出来，站上去的是后者。
“把硅谷按在地上摩擦”这个说法，情绪上很痛快，但容易让人忽略真正值得看的东西。这次登顶的分量，不在于某一项跑分多了零点几分，而在于DeepSeek用一套跟硅谷主流叙事完全不同的打法，证明了一件事：性能、成本和开放性，不是只能三选一。

代码这一关，先把“追平”两个字扔掉了
硅谷过去一年对中国模型的习惯性评价是“接近了”“追平了”“只差几个月”。V4-Pro这次在代码基准上的表现，让“追平”这个说法不太够用了。
LiveCodeBench上，V4-Pro-Max拿到93.5分，GPT-5.4是91.7，Gemini 3.1 Pro是89.2。Codeforces人类选手排行榜上，它排到第23位，积分3206，压过GPT-5.4的3168。Apex Shortlist这项偏难度的推理测试里，V4-Pro-Max拿了90.2%，同场对比的模型没有一个超过它。
跑分是一回事，能不能干活是另一回事。多个开发团队的实测反馈指向同一个结论：V4-Pro可以连续自主编程超过60分钟，独立完成数据库设计、安卓模拟器开发这类需要长链条规划的任务。这不是“帮你补全几行代码”的水平，是“你把需求说清楚，它自己往下推”的水平。
对于每天写代码的人来说，这个变化比任何榜单排名都实在。
便宜50倍，不是促销，是结构变了
硅谷真正睡不着觉的地方，不在跑分表上，在价目表上。
V4-Pro的API定价，缓存命中时输入每百万Token 1元，未命中12元，输出24元；Flash版缓存命中输入只要0.2元。同期GPT-5.4和Claude Opus 4.6的调用成本，大约是V4的50倍。后来DeepSeek又把V4-Pro价格永久打到2.5折，缓存命中输入低到每百万Token 0.025元人民币，约0.0036美元，创了全球大模型价格的新低。
便宜本身不稀奇，稀奇的是便宜的同时性能没有塌。这背后是一条被很多人忽略的工程曲线：V2训练成本是GPT-4 Turbo的1/70，V3是GPT-4的1/14，R1是GPT-4o的1/20。每一代都在往下压一个数量级。V4在百万Token长上下文场景下，单Token推理计算量只有上一代V3.2的27%，KV Cache占用降到约10%。

翻译成大白话：同样处理一百万字的长文档，它用的算力和显存只有上一代的零头。这意味着长上下文从“炫技功能”变成了可以日常使用的默认能力，而不是每用一次都心疼账单。
谷歌DeepMind负责人哈萨比斯质疑过DeepSeek的成本口径，认为公布的数字只是最终训练阶段，没有覆盖全部投入。这个质疑有道理，SemiAnalysis也估算DeepSeek硬件总花费远高于论文中提到的数字。但即便把口径争议算进去，单次训练成本上的数量级优势依然摆在那里。争议本身反而说明了一件事：成本结构变了，不是靠烧钱补贴烧出来的。
在昇腾上跑通，比跑分更让硅谷难受
V4技术报告里有一行字，比所有跑分都值得多看一遍：华为昇腾NPU与英伟达GPU并列写入验证，V4是首个在昇腾平台上原生适配的前沿大模型。
黄仁勋在播客里对这件事的评价是“灾难性的”。他担心的不是昇腾单卡算力追上了英伟达，而是CUDA作为默认起点的生态位被撬动了。过去很多团队选英伟达，不全是卡好，是因为“只有这条路上工具最全、坑最少”。一旦前沿模型在国产芯片上原生跑通，后来者的默认选项就不再只有一个。
当然，这不等于国产算力已经完全替代。V4的预训练仍然建立在英伟达高端算力上，国产芯片更多是在推理和适配层面先走了一步。但方向已经清楚了：先用开源模型把国产芯片的软件栈“喂”起来，让开发者在昇腾上也能顺畅跑通前沿能力，生态的雪球才能滚起来。
这一步的长期影响，可能比一次榜单登顶大得多。
硅谷的“墙”和这边的“路”
V4发布的时间点很有意思。OpenAI凌晨发GPT-5.5，DeepSeek上午发V4，一闭一开，同一天完成同框。硅谷主流玩家走的是闭源路线，护城河的逻辑是“最好的能力锁在我的数据中心里，你要用就按我的价格来”。DeepSeek走的是另一条：MIT协议开源，权重随便下，API价格压到地板，适配国产芯片，把路修宽而不是把墙砌高。
两条路没有绝对的对错。闭源有闭源的商业逻辑，开源有开源的生态逻辑。但V4至少证明了一点：开源模型可以在核心能力上不靠“阉割版”活着。它不需要在跑分上每一项都赢，只需要在开发者最常用的场景里做到“够好且便宜到不用犹豫”，就已经改变了游戏规则。
硅谷一些AI部门主管已经开始要求工程师在新项目评估中优先考虑中国模型，理由直接得让人没法反驳：价格便宜太多，性能却不遑多让。这种来自一线开发者的选择，比任何公关稿都有说服力。
也得说清楚它没做到的事
如果只挑赢的说，这篇文章就没有写的必要了。
V4-Pro在SimpleQA-Verified知识评测上只有57.9分，Gemini 3.1 Pro是75.6；高难度推理HLE上37.7分，对手44.4分，差了近7个点。DeepSeek官方自己承认，综合能力距离最前沿模型还有大约3到6个月的差距，知识和事实检索是最大的短板。
这个态度本身值得注意。一家刚登顶开源榜的公司，在技术报告里主动写明“我还差在哪里”，而不是把短板藏起来只晒长板。对于真正要用模型干活的人来说，知道自己手里的工具在什么场景下会掉链子，比听一句“全面领先”有用得多。
另一个现实是算力。DeepSeek官方说明，受限于高端算力，V4-Pro的服务吞吐目前十分有限，预计下半年昇腾950超节点批量上市后价格才会进一步下调。登顶是事实，但登顶之后的持续供给和迭代，考验才刚开始。
这件事跟不写代码的人有什么关系
你可能不调用API，不跑模型，也不关心Hugging Face的榜单。但有一个传导链是每个人都躲不开的：当一个前沿能力的调用成本被压到原来的几十分之一，原来只有大公司养得起的AI应用，小团队甚至个人开发者也能碰了；当长上下文变成默认能力，处理整本手册、整个代码库、整套合同的门槛就降下来了；当国产芯片上也能跑前沿模型，算力供给就不再只有一条路可走。
这些变化不会在一天之内改变世界，但它们会在接下来一两年里悄悄改变“谁能用AI做什么”的边界。登顶只是一个信号，真正的故事在榜单之外。
话题讨论： 你平时用DeepSeek或者其他模型，最在意的是“跑分高不高”，还是“用起来贵不贵、顺不顺手”？有没有哪次因为API价格或者长上下文能力，让你放弃了一个原本觉得“做不起”的想法？欢迎在评论区聊聊你的真实使用场景。关注我，后续接着拆DeepSeek V4在具体任务里的实际表现和短板。
免责声明： 本文基于2026年4月公开技术报告及第三方评测整理，数据以官方披露为准；模型表现可能随版本迭代变化，请以实际使用为准。