DeepSeek V4 – gần chạm ngưỡng frontier, giá chỉ ở mức một phần

• DeepSeek đã công bố hai mô hình preview đầu tiên của dòng V4 là DeepSeek-V4-Pro và DeepSeek-V4-Flash; cả hai đều là mô hình Mixture of Experts hỗ trợ ngữ cảnh 1 triệu token và được phát hành theo giấy phép MIT
• DeepSeek-V4-Pro là mô hình có tổng cộng 1.6T tham số và 49B tham số hoạt động, có vẻ là mô hình open weight lớn mới, vượt Kimi K2.6, GLM-5.1 và DeepSeek V3.2
• Điểm khác biệt cốt lõi của DeepSeek V4 là giá, với Flash ở mức $0.14 cho 1 triệu token đầu vào và $0.28 đầu ra, còn Pro là $1.74 đầu vào và $3.48 đầu ra, thấp hơn các mô hình nhỏ và lớn dùng để so sánh
• Mức giá thấp gắn liền với tối ưu hiệu quả cho ngữ cảnh dài; ở ngữ cảnh 1 triệu token, Pro giảm xuống còn 27% FLOPs mỗi token đơn và 10% KV cache so với DeepSeek-V3.2, còn Flash giảm xuống 10% FLOPs và 7% KV cache
• Trong benchmark nội bộ, DeepSeek-V4-Pro có thể cạnh tranh với các mô hình frontier nhưng vẫn thấp hơn một chút so với GPT-5.4 và Gemini-3.1-Pro, cho thấy quỹ đạo phát triển chậm hơn các mô hình frontier tiên tiến nhất khoảng 3–6 tháng

---

Công bố mô hình và thông số cơ bản

• Sau V3.2 và V3.2 Speciale vào tháng 12/2025, DeepSeek đã công bố hai mô hình preview đầu tiên của dòng V4 là DeepSeek-V4-Pro và DeepSeek-V4-Flash
• Cả hai đều là mô hình Mixture of Experts hỗ trợ ngữ cảnh 1 triệu token và sử dụng giấy phép MIT tiêu chuẩn
• DeepSeek-V4-Pro có 1.6T tham số tổng cộng và 49B tham số hoạt động, còn DeepSeek-V4-Flash có 284B tham số tổng cộng và 13B tham số hoạt động
• DeepSeek-V4-Pro lớn hơn 1.1T của Kimi K2.6, 754B của GLM-5.1 và 685B của DeepSeek V3.2, nên có vẻ là mô hình open weight lớn nhất mới
• Theo Hugging Face, kích thước mô hình của Pro là 865GB, còn Flash là 160GB; bản Flash được lượng tử hóa nhẹ được kỳ vọng có thể chạy trên MacBook Pro M5 128GB
• Mô hình Pro cũng có thể chạy trên cùng cỗ máy đó nếu chỉ cần stream từ đĩa các expert đang hoạt động cần thiết

• Thử nghiệm nhanh qua OpenRouter

  • Sử dụng OpenRouter và llm-openrouter để gọi mô hình bằng lệnh sau

  • llm install llm-openrouter
    llm openrouter refresh
    llm -m openrouter/deepseek/deepseek-v4-pro 'Generate an SVG of a pelican riding a bicycle'
    

  • Kết quả tạo sinh được công bố gồm SVG con bồ nông của DeepSeek-V4-Flash và SVG con bồ nông của DeepSeek-V4-Pro
  • Để so sánh, bài viết cũng đưa ra kết quả từ cùng một prompt của DeepSeek V3.2 tháng 12/2025, V3.1 tháng 8/2025 và V3-0324 tháng 3/2025

Giá, hiệu quả và vị trí hiệu năng

• Yếu tố nổi bật nhất của DeepSeek V4 là giá; theo trang giá của DeepSeek, Flash có giá $0.14 cho mỗi 1 triệu token đầu vào và $0.28 cho mỗi 1 triệu token đầu ra
• Pro được định giá $1.74 cho mỗi 1 triệu token đầu vào và $3.48 cho mỗi 1 triệu token đầu ra
• Trong bảng so sánh, DeepSeek V4 Flash rẻ hơn GPT-5.4 Nano với giá đầu vào $0.20 và đầu ra $1.25, cũng như Gemini 3.1 Flash-Lite với giá đầu vào $0.25 và đầu ra $1.50, khiến nó trở thành mô hình nhỏ rẻ nhất
• DeepSeek V4 Pro có giá thấp hơn Gemini 3.1 Pro với đầu vào $2 và đầu ra $12, GPT-5.4 với đầu vào $2.50 và đầu ra $15, Claude Sonnet 4.6 với đầu vào $3 và đầu ra $15, Claude Opus 4.7 với đầu vào $5 và đầu ra $25, cũng như GPT-5.5 với đầu vào $5 và đầu ra $30, khiến nó trở thành mô hình frontier cỡ lớn rẻ nhất

• Tối ưu hiệu quả là nền tảng cho mức giá thấp

  • Bài báo của DeepSeek cho biết bản phát hành lần này tập trung mạnh vào hiệu quả của prompt ngữ cảnh dài
  • Ở ngữ cảnh 1 triệu token, DeepSeek-V4-Pro chỉ còn 27% FLOPs cho mỗi token đơn và 10% kích thước KV cache so với DeepSeek-V3.2
  • Trong cùng điều kiện, DeepSeek-V4-Flash giảm xuống chỉ còn 10% FLOPs cho mỗi token đơn và 7% kích thước KV cache so với DeepSeek-V3.2

• Trong benchmark, đã gần chạm frontier nhưng vẫn thua nhóm dẫn đầu

  • Benchmark tự công bố của DeepSeek cho thấy mô hình Pro có thể cạnh tranh với các mô hình frontier khác
  • Theo bài báo, DeepSeek-V4-Pro-Max khi áp dụng mở rộng token suy luận đạt hiệu năng cao hơn GPT-5.2 và Gemini-3.0-Pro trên các benchmark suy luận tiêu chuẩn
  • Tuy vậy, nó vẫn thấp hơn một chút so với GPT-5.4 và Gemini-3.1-Pro, đồng thời cho thấy quỹ đạo phát triển chậm hơn các mô hình frontier tiên tiến nhất khoảng 3–6 tháng
  • Cộng đồng cũng đang chờ huggingface.co/unsloth/models phát hành các bản lượng tử hóa của Unsloth, và còn nhiều quan tâm về việc mô hình Flash sẽ chạy tốt đến đâu trên máy cục bộ