DeepSeeks nya generation av modeller har blivit fokus för den tekniska debatten med ett mycket tydligt förslag: kontext med upp till en miljon tokens och en arkitektur med mer än en biljon parametrar Det kinesiska företaget är utformat för att vara effektivt och framför allt mycket billigare än slutna alternativ i USA, och har satsat all in på V4, en familj som kombinerar öppna vikter, ett stort kontextfönster och en aggressiv prissättningsstrategi.
Detta drag kommer vid en tidpunkt då Europa och Spanien granskar kostnaden och den tekniska suveräniteten hos AI. DeepSeek V4 presenterar sig som ett attraktivt alternativ för europeiska startups, små och medelstora företag och stora företag. som behöver funktioner på toppnivå, men som inte kan – eller inte vill – förlita sig helt på dyra proprietära API:er eller exklusiv hårdvara som de mest eftertraktade NVIDIA GPU:erna.
En V4-familj centrerad kring 1T parametrar och en kontext av 1M tokens
DeepSeek har tillkännagivit ankomsten av DeepSeek-V4 Preview som en familj av öppna modeller som kretsar kring två idéer: ett kontextfönster med upp till 1 miljon tokens och gigantiska arkitekturer baserade på Mixture-of-Experts (MoE)Inom denna familj sticker två huvudvarianter ut: DeepSeek-V4-Pro och DeepSeek-V4-Flash, båda med 1M-kontexten som kännetecken.
I den mest ambitiösa änden opererar V4-Pro inom siffrorna upp till 1,6 biljoner parametrar totalt (1,6T), även om den bara aktiverar mellan 32 och 49 miljarder parametrar i varje inferenssteg tack vare MoE-schemat, vilket är avgörande för att bibehålla effektiviteten. Parallellt har företaget introducerat lättare varianter, såsom V4-Flash och V4-Lite, med cirka 284-285 miljarder parametrar totalt och cirka 13 miljarder aktiva parametrar, utformade för implementeringar där hastighet och kostnad är prioriterade.
Det totala antalet parametrar placerar V4-familjen i toppen av marknaden, men den viktiga detaljen är att Endast en bråkdel av dessa experter är tokenaktiverade.Detta gör att den kan bete sig som en gigantisk modell kapacitetsmässigt, men med en datorkraftförbrukning som ligger närmare den för mycket mindre modeller. Det är en strategi som passar in i DeepSeeks berättelse: att konkurrera med stora modeller med sluten källkod utan att skjuta i höjden för användningskostnaden.
Företaget har också släppt preliminära varianter som V4-Lite, vilka fungerar som teknisk validering, och har justerat driftsättningsschemat. Även om V4 är fortfarande i begränsad testfas I vissa sammanhang kan V4 Preview-familjen redan användas i den officiella chatboten och genom företagets uppdaterade API, med 1M-kontexten som standardvärde i dess tjänster.
Hybridarkitektur och en blandning av experter för att göra det långsiktiga sammanhanget hållbart
Nyckeln till DeepSeeks förmåga att erbjuda ett kontextfönster på en miljon tokens utan att inferenskostnaden skjuter i höjden ligger i dess arkitektur. Tillverkaren förklarar att V4 introducerar en kombination av hybridvård, expertmix och kompressionstekniker utformad för att fungera med mycket långa sekvenser, vilket minskar både FLOP:er per token och det minne som krävs.
Bland de tekniska komponenter som företaget nämner utmärker sig följande: MLA (Multi-Head Latent Attention), DSA eller DeepSeek Sparse Attention, och villkorliga minnesmekanismer som EngramTillsammans syftar dessa komponenter till att minska bördan av uppmärksamhetsberäkningar, särskilt när modellen måste hantera hundratusentals eller en miljon tokens i ett enda pass.
Enligt data som delats av företaget självt, i scenarier med 1 miljon tokens DeepSeek-V4-Pro kan kräva cirka 27 % av FLOP:erna per token och endast 10 % av KV-cachen jämfört med tidigare versioner som DeepSeek-V3.2.Lättare varianter, som V4-Flash, minskar dessa siffror ytterligare och positionerar sig som snabba inferenslösningar för applikationer där latens är kritisk.
Den här typen av förbättringar är inte bara teoretiska: företaget hävdar att kombinationen av MoE, spridd uppmärksamhet och kontextförståelse möjliggör arbetar med ultralång kontext i mindre extrem hårdvara redan en kostnad per miljon tokens som är betydligt lägre än för många stängda modeller med fönster på 128 000 eller 200 000 tokens.
Prestanda i resonemang, programmering och agentuppgifter
DeepSeek vill inte bara sticka ut på grund av sin storlek och sitt sammanhang. I sina interna jämförelser insisterar företaget på att V4-Pro och dess varianter har specialoptimerats för komplex resonemang, programmering och agenterDessa tre områden står för närvarande för en betydande del av företagens efterfrågan. Riktmärken som SWE-bench, utformade för att mäta kapaciteten hos Förstå och modifiera kodförrådDet talas om siffror över 80 % noggrannhet, i linje med ledande slutna modeller.
Inom mer allmänt resonemang – inklusive matematik, STEM-discipliner och tankekedjans problem – placerar företaget V4-Pro som en av de starkaste öppna modellernaoch menar att det närmar sig nivån för förslag om stängda gränser. När det gäller global medvetenhet placerar interna data det i framkant av det öppna ekosystemet och bara bakom ett fåtal mycket specifika proprietära modeller, såsom vissa avancerade varianter av Gemini.
Utöver siffrorna, betoningen på agentuppgifter Det pekar på en användning som går långt utöver vanlig chatt. DeepSeek hävdar att V4 driver redan sin egen infrastruktur av kodagenter och system som kedjar flera stegDe har tillgång till verktyg och arbetar med omfattande arkiv eller dokumentdatabaser. Denna metod ligger i linje med den nuvarande branschtrenden, där många företag inte längre bara letar efter en chatbot, utan efter assistenter som kan fungera som "digitala kollegor" inom komplexa arbetsflöden.
Dessa jämförelser bör tas med en nypa salt: som med nästan alla nya AI-utgåvor, Mycket av datan kommer från företaget självt och från tester i kontrollerade miljöer.Ändå väcker kombinationen av lång kontext, effektiv arkitektur och konkurrenskraftig prestanda uppmärksamhet bland europeiska utvecklare som jämför kostnader och kapacitet med alternativ som GPT, Claude, Llama eller Mistral.
Öppna modeller, publicerade vikter och kompatibilitet med populära API:er
En av de viktigaste faktorerna som har gett DeepSeek dess ryktbarhet är dess engagemang för det öppna ekosystemet. Med V4 förstärker företaget detta tillvägagångssätt: har publicerat den tekniska rapporten och släppt öppna vikter för familjen på plattformar som Hugging Facevilket gör det möjligt för forskare, företag och offentliga förvaltningar att ladda ner modellerna och köra dem på sin egen infrastruktur.
Denna öppna strategi, i motsats till de helt slutna förslagen från många amerikanska laboratorier, har tydliga konsekvenser för Spanien och Europeiska unionen. Möjligheten att använda dessa modeller i datacenter inom EUinom ramverk som GDPR och EU:s framtida AI-förordningDet erbjuder ett sätt att bibehålla större kontroll över data utan att offra avancerade funktioner.
När det gäller praktisk integration har DeepSeek valt att minska friktionen: API:et har samma base_url och är kompatibelt med OpenAI:s ChatCompletions-scheman och med Antropiska gränssnittFör många utvecklingsteam innebär detta att migrering av tester eller delar av trafiken till V4 i huvudsak är begränsat till att ändra modellidentifieraren till deepseek-v4-pro eller deepseek-v4-flash och justera några parametrar.
Samtidigt har företaget satt en tidslinje för att pensionera äldre modeller, såsom deepseek-chat och deepseek-reasoner. De kommer att tas ur bruk och omdirigeras till V4-Flash tills de helt dras tillbaka, vilket tvingar de som använde dem att börja förbereda sig för migreringen. Det är ett tydligt sätt att koncentrera erbjudandet på den nya generationen och undvika att fragmentera användarbasen i för många äldre varianter.
Begränsade inferenskostnader och fokus på ekonomisk effektivitet
DeepSeeks berättelse har kretsat kring effektivitet sedan starten. Med V4 förstärks den diskursen av en kombination av MoE-arkitektur, distribuerad uppmärksamhet och hårdvaruoptimering som syftar till att... sänka kostnaden per miljon tokens till nivåer långt under de mest kända premium-API:ernaVissa externa analyser nämner siffror runt 0,30 dollar per miljon entry-tokens för vissa konfigurationer, en bråkdel av vad high-end stängda modeller tar ut.
I ett europeiskt sammanhang, där infrastruktur- och energikostnader är relevanta, passar detta fokus på effektivitet väl in i behoven hos nystartade företag och små och medelstora företag. Bearbetning av omfattande juridiska dokument, långa medicinska journaler eller hela programvarudatabaser Det upphör att vara en lyx reserverad för företag med nästan obegränsade budgetar och blir en del av överkomliga scenarier för nya projekt.
Vissa leverantörer av AI-infrastruktur erbjuder redan tidig åtkomst till DeepSeek V4-baserade noder som en del av sina kataloger, vilket gör det enklare för europeiska företag. de kan utvärdera verklig prestanda och kostnader utan att behöva bygga sin egen infrastruktur från grunden.För många organisationer är denna testfas det inledande steget innan man beslutar om man ska fortsätta med en outsourcad modell eller välja lokala implementeringar.
Samtidigt har företagets delvisa tystnad om de exakta utbildningskostnaderna och den specifika hårdvara som används väckt tvivel inom vissa sektorer. Sedan 2025 har misstankar cirkulerat om den verkliga volymen resurser som krävs för att träna dess modeller, inklusive uppskattningar som pekar på tiotusentals avancerade GPU:er. DeepSeek insisterar på att de har uppnått en ny fas av "lönsam långsiktig kontext"Men den har ännu inte helt klargjort de okända faktorerna kring den materiella omfattningen av sin verksamhet.
Påverkan på startups och företag i Spanien och Europa
För det europeiska entreprenöriella ekosystemet, och i synnerhet för teknikstartups i Spanien, öppnar framväxten av modeller som DeepSeek V4 upp möjligheter som fram tills nyligen var svåra att överväga. Få tillgång till en modell med över en biljon parametrar inom ramen för 1 miljon tokens och öppna vikter Det låter dig utforska avancerade produkter utan att enbart förlita dig på leverantörer i Silicon Valley.
Inom reglerade sektorer – finans, hälso- och sjukvård, juridik, offentlig förvaltning – finns möjligheten att kör modellen i datacenter inom EU eller till och med i era egna anläggningar Detta är särskilt relevant. Efterlevnad av GDPR och nationella dataskyddsförordningar blir mer hanterbar när information inte behöver lämna europeiska jurisdiktioner för att behandlas av en AI-modell.
Spanska startups som arbetar med stora volymer dokument, såsom legaltech, healthtech eller utvecklarverktyg, kan utnyttja 1M tokens-kontexten för att analysera kompletta filer, mycket långa medicinska historier eller monolitiska koddatabaser utan att behöva dela upp dem i flera delar och utforma komplicerade återställningssystem. Detta minskar den tekniska komplexiteten och i många fall även latensen.
Samtidigt är det viktigt att ha riskerna i åtanke: ekosystemet av verktyg kring DeepSeek är yngre än andra öppna modeller som Llama, och Dokumentationen och stödet från gemenskapen håller fortfarande på att mogna.Dessutom introducerar det faktum att det är ett kinesiskt företag en geopolitisk komponent som vissa europeiska organisationer ser med försiktighet, särskilt i projekt kopplade till förvaltningar eller kritisk infrastruktur.
Ett drag som sätter press på dyra, slutna modeller
Utöver sina specifika specifikationer tolkas DeepSeek V4 inom sektorn som ytterligare ett steg i konkurrenstrycket på de dyraste slutna modellerna på marknadenGenom att etablera 1M-tokenkontexten som standard i sina officiella tjänster och åtfölja den med öppna vikter, skickar det kinesiska företaget ett tydligt budskap: den ultralånga kontexten behöver inte längre vara en exklusiv funktion hos ett fåtal dyra proprietära modeller.
För stora västerländska laboratorier innebär detta en utmaning. OpenAI, Anthropic och Google har historiskt sett använt en kombination av högre kvalitet, bredare sammanhang och proprietärt ekosystem som ett värdeerbjudande. Framväxten av ett öppet alternativ med en ännu bättre kontext i vissa fall och mycket låga kostnader tvingar fram ett nytänkande kring produkt- och prissättningsstrategier, särskilt i segment där användarföretagens marginaler är små.
I den spansktalande världen, där många startups verkar med betydligt mer blygsamma budgetar än sina motsvarigheter i USA, gynnar konkurrensen dem. Ju fler kraftfulla och öppna modeller som finns tillgängliga, desto större möjligheter kommer tekniska team att ha att välja baserat på pris, regelefterlevnad och användningsfall.och inte bara från varumärket bakom API:et.
Samtidigt vet DeepSeek att deras satsning inte är utan utmaningar: de flesta riktmärken och jämförelser kommer från deras egen dokumentation eller från tester i förhandsgranskningsfaser, och marknaden väntar fortfarande på att se hur V4-modellerna presterar när de används massivt i krävande produktionsmiljöer, inklusive europeiska.
Sammantaget befäster ankomsten av DeepSeek V4 en trend som har pågått ett tag: Banbrytande AI-modeller är inte längre en exklusiv domän för ett fåtal företag med slutna system och astronomiska budgetar.Med en kombination av över 100 000 parametrar, en kontext med 1 miljon tokens, öppna vikter och en diskurs fokuserad på effektivitet introducerar det kinesiska företaget ett alternativ som företag och utvecklare i Spanien och Europa knappast kommer att kunna ignorera i sina kommande planer för att anta och förnya AI-infrastruktur.
