/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
44,9 млрд
Лицензия
MIT
Архитектура
deepseek_v4 · dense
Библиотека
transformers
Опубликована
22 апр 2026

DeepSeek-V4-Pro

Генерация текстаТекст → текст15 профессий

DeepSeek-V4-Pro — крупная языковая модель семейства DeepSeek-V4, разработанная DeepSeek AI.

382 тыс.скачиваний за 30 дней5 661лайквеса обновлены22 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки17

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • benchflow/skillsbench

    score · выше — лучше

    Результат

    50,1

    skillsbench_v1_1 50,1
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • cais/hle

    score · выше — лучше

    Результат

    37,7

    hle 37,7
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • InternScience/ResearchClawBench

    score · выше — лучше

    Результат

    17,12

    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • agents-last-exam/agents-last-exam

    score · выше — лучше

    Результат

    12,3904

    near-term-score 43,8117ale-cli-score 30,8416overall-score 27,6201
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • openai/gsm8k

    score · выше — лучше

    Результат

    92,6

    gsm8k 92,6
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • actava/chi-bench

    score · выше — лучше

    Результат

    14,2

    utilization_management 28chi_bench 14,2prior_authorization 10,7
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • internlm/WildClawBench

    score · выше — лучше

    Результат

    43,7

    avg_time 605avg_cost 12
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • joelniklaus/LEXam-hard

    score · выше — лучше

    Результат

    38,93

    lexam_hard 38,93
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • harborframework/terminal-bench-2.0

    score · выше — лучше

    Результат

    67,9

    terminalbench_2 67,9
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • TIGER-Lab/MMLU-Pro

    score · выше — лучше

    Результат

    87,5

    mmlu_pro 87,5
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • claw-eval/Claw-Eval

    score · выше — лучше

    Результат

    58,4

    multi_turn 65,8general 58,4
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • SWE-bench/SWE-bench_Verified

    score · выше — лучше

    Результат

    80,6

    swe_bench_%_resolved 80,6
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • collinear-ai/yc-bench

    score · выше — лучше

    Результат

    1 066 426

    medium 1 066 426
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • ScaleAI/SWE-bench_Pro

    score · выше — лучше

    Результат

    55,4

    SWE_Bench_Pro 55,4
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • SWE-bench/SWE-bench_Multilingual

    score · выше — лучше

    Результат

    76,2

    swe_bench_multilingual_%_resolved 76,2
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • IntelligenceLab/Long-Horizon-Terminal-Bench

    score · выше — лучше

    Результат

    3

    lhtb2_solved 9lhtb_solved 3
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • Idavidrein/gpqa

    score · выше — лучше

    Результат

    90,1

    diamond 90,1
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это предварительная версия модели с архитектурой Mixture-of-Experts (MoE), предназначенная для работы с текстом, задачами рассуждения, программированием, обработкой больших документов и агентскими сценариями. Модель поддерживает контекст длиной до одного миллиона токенов.

Модель содержит около 1,6 трлн параметров, из которых 49 млрд активируются при обработке отдельного токена. Она использует гибридную архитектуру внимания с механизмами Compressed Sparse Attention и Heavily Compressed Attention, а также Manifold-Constrained Hyper-Connections для повышения стабильности передачи сигналов. Обучение проводилось более чем на 32 трлн токенов с последующей донастройкой посредством SFT, reinforcement learning с GRPO и on-policy distillation. Доступна в смешанной точности FP4 и FP8: параметры MoE-экспертов используют FP4, а большинство остальных параметров — FP8.

К сильным сторонам относятся эффективная работа с очень длинным контекстом, высокая ёмкость модели, развитые возможности в области знаний, программирования, рассуждений и агентских задач. По сравнению с DeepSeek-V3.2 в режиме контекста на один миллион токенов заявлено существенное снижение вычислительных затрат и объёма KV-кэша. Ограничения включают чрезвычайно большой общий размер модели и, как следствие, высокие требования к инфраструктуре; конкретные поддерживаемые языки и подробные системные требования в README не указаны. Модель распространяется по лицензии MIT.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence

Introduction

We present a preview version of DeepSeek-V4 series, including two strong Mixture-of-Experts (MoE) language models — DeepSeek-V4-Pro with 1.6T parameters (49B activated) and DeepSeek-V4-Flash with 284B parameters (13B activated) — both supporting a context length of one million tokens.

DeepSeek-V4 series incorporate several key upgrades in architecture and optimization:

  1. Hybrid Attention Architecture: We design a hybrid attention mechanism combining Compressed Sparse Attention (CSA) and Heavily Compressed Attention (HCA) to dramatically improve long-context efficiency. In the 1M-token context setting, DeepSeek-V4-Pro requires only 27% of single-token inference FLOPs and 10% of KV cache compared with DeepSeek-V3.2.
  2. Manifold-Constrained Hyper-Connections (mHC): We incorporate mHC to strengthen conventional residual connections, enhancing stability of signal propagation across layers while preserving model expressivity.
  3. Muon Optimizer: We employ the Muon optimizer for faster convergence and greater training stability.

We pre-train both models on more than 32T diverse and high-quality tokens, followed by a comprehensive post-training pipeline. The post-training features a two-stage paradigm: independent cultivation of domain-specific experts (through SFT and RL with GRPO), followed by unified model consolidation via on-policy distillation, integrating distinct proficiencies across diverse domains into a single model.

DeepSeek-V4-Pro-Max, the maximum reasoning effort mode of DeepSeek-V4-Pro, significantly advances the knowledge capabilities of open-source models, firmly establishing itself as the best open-source model available today. It achieves top-tier performance in coding benchmarks and significantly bridges the gap with leading closed-source models on reasoning and agentic tasks. Meanwhile, DeepSeek-V4-Flash-Max achieves comparable reasoning performance to the Pro version when given a larger thinking budget, though its smaller parameter scale naturally places it slightly behind on pure knowledge tasks and the most complex agentic workflows.

Model Downloads

Model#Total Params#Activated ParamsContext LengthPrecisionDownload
DeepSeek-V4-Flash-Base284B13B1MFP8 MixedHuggingFace | ModelScope
DeepSeek-V4-Flash284B13B1MFP4 + FP8 Mixed*HuggingFace | ModelScope
DeepSeek-V4-Pro-Base1.6T49B1MFP8 MixedHuggingFace | ModelScope
DeepSeek-V4-Pro1.6T49B1MFP4 + FP8 Mixed*HuggingFace | ModelScope

*FP4 + FP8 Mixed: MoE expert parameters use FP4 precision; most other parameters use FP8.

Evaluation Results

Base Model

Benchmark (Metric)# ShotsDeepSeek-V3.2-BaseDeepSeek-V4-Flash-BaseDeepSeek-V4-Pro-Base
Architecture-MoEMoEMoE
# Activated Params-37B13B49B
# Total Params-671B284B1.6T
World Knowledge
AGIEval (EM)0-shot80.182.683.1
MMLU (EM)5-shot87.888.790.1
MMLU-Redux (EM)5-shot87.589.490.8
MMLU-Pro (EM)5-shot65.568.373.5
MMMLU (EM)5-shot87.988.890.3
C-Eval (EM)5-shot90.492.193.1
CMMLU (EM)5-shot88.990.490.8
MultiLoKo (EM)5-shot38.742.251.1
Simple-QA verified (EM)25-shot28.330.155.2
SuperGPQA (EM)5-shot45.046.553.9
FACTS Parametric (EM)25-shot27.133.962.6
TriviaQA (EM)5-shot83.382.885.6
Language & Reasoning
BBH (EM)3-shot87.686.987.5
DROP (F1)1-shot88.288.688.7
HellaSwag (EM)0-shot86.485.788.0
WinoGrande (EM)0-shot78.979.581.5
CLUEWSC (EM)5-shot83.582.285.2
Code & Math
BigCodeBench (Pass@1)3-shot63.956.859.2
HumanEval (Pass@1)0-shot62.869.576.8
GSM8K (EM)8-shot91.190.892.6
MATH (EM)4-shot60.557.464.5
MGSM (EM)8-shot81.385.784.4
CMath (EM)3-shot92.693.690.9
Long Context
LongBench-V2 (EM)1-shot40.244.751.5

Instruct Model

DeepSeek-V4-Pro and DeepSeek-V4-Flash both support three reasoning effort modes:

Reasoning ModeCharacteristicsTypical Use CasesResponse Format
Non-thinkFast, intuitive responsesRoutine daily tasks, low-risk decisions</think> summary
Think HighConscious logical analysis, slower but more accurateComplex problem-solving, planning<think> thinking </think> summary
Think MaxPush reasoning to its fullest extentExploring the boundary of model reasoning capabilitySpecial system prompt + <think> thinking </think> summary

DeepSeek-V4-Pro-Max vs Frontier Models

Benchmark (Metric)Opus-4.6 MaxGPT-5.4 xHighGemini-3.1-Pro HighK2.6 ThinkingGLM-5.1 ThinkingDS-V4-Pro Max
Knowledge & Reasoning
MMLU-Pro (EM)89.187.591.087.186.087.5
SimpleQA-Verified (Pass@1)46.245.375.636.938.157.9
Chinese-SimpleQA (Pass@1)76.476.885.975.975.084.4
GPQA Diamond (Pass@1)91.393.094.390.586.290.1
HLE (Pass@1)40.039.844.436.434.737.7
LiveCodeBench (Pass@1)88.8-91.789.6-93.5
Codeforces (Rating)-31683052--3206
HMMT 2026 Feb (Pass@1)96.297.794.792.789.495.2
IMOAnswerBench (Pass@1)75.391.481.086.083.889.8
Apex (Pass@1)34.554.160.924.011.538.3
Apex Shortlist (Pass@1)85.978.189.175.572.490.2
Long Context
MRCR 1M (MMR)92.9-76.3--83.5
CorpusQA 1M (ACC)71.7-53.8--62.0
Agentic
Terminal Bench 2.0 (Acc)65.475.168.566.763.567.9
SWE Verified (Resolved)80.8-80.680.2-80.6
SWE Pro (Resolved)57.357.754.258.658.455.4
SWE Multilingual (Resolved)77.5--76.773.376.2
BrowseComp (Pass@1)83.782.785.983.279.383.4
HLE w/ tools (Pass@1)53.152.051.654.050.448.2
GDPval-AA (Elo)161916741314148215351554
MCPAtlas Public (Pass@1)73.867.269.266.671.873.6
Toolathlon (Pass@1)47.254.648.850.040.751.8

Comparison across Modes

Benchmark (Metric)V4-Flash Non-ThinkV4-Flash HighV4-Flash MaxV4-Pro Non-ThinkV4-Pro HighV4-Pro Max
Knowledge & Reasoning
MMLU-Pro (EM)83.086.486.282.987.187.5
SimpleQA-Verified (Pass@1)23.128.934.145.046.257.9
Chinese-SimpleQA (Pass@1)71.573.278.975.877.784.4
GPQA Diamond (Pass@1)71.287.488.172.989.190.1
HLE (Pass@1)8.129.434.87.734.537.7
LiveCodeBench (Pass@1)55.288.491.656.889.893.5
Codeforces (Rating)-28163052-29193206
HMMT 2026 Feb (Pass@1)40.891.994.831.794.095.2
IMOAnswerBench (Pass@1)41.985.188.435.388.089.8
Apex (Pass@1)1.019.133.00.427.438.3
Apex Shortlist (Pass@1)9.372.185.79.285.590.2
Long Context
MRCR 1M (MMR)37.576.978.744.783.383.5
CorpusQA 1M (ACC)15.559.360.535.656.562.0
Agentic
Terminal Bench 2.0 (Acc)49.156.656.959.163.367.9
SWE Verified (Resolved)73.778.679.073.679.480.6
SWE Pro (Resolved)49.152.352.652.154.455.4
SWE Multilingual (Resolved)69.770.273.369.874.176.2
BrowseComp (Pass@1)-53.573.2-80.483.4
HLE w/ tools (Pass@1)-40.345.1-44.748.2
MCPAtlas (Pass@1)64.067.469.069.474.273.6
GDPval-AA (Elo)--1395--1554
Toolathlon (Pass@1)40.743.547.846.349.051.8

Chat Template

This release does not include a Jinja-format chat template. Instead, we provide a dedicated encoding folder with Python scripts and test cases demonstrating how to encode messages in OpenAI-compatible format into input strings for the model, and how to parse the model's text output. Please refer to the encoding folder for full documentation.

A brief example:

from encoding_dsv4 import encode_messages, parse_message_from_completion_text

messages = [
    {"role": "user", "content": "hello"},
    {"role": "assistant", "content": "Hello! I am DeepSeek.", "reasoning_content": "thinking..."},
    {"role": "user", "content": "1+1=?"}
]

# messages -> string
prompt = encode_messages(messages, thinking_mode="thinking")

# string -> tokens
import transformers
tokenizer = transformers.AutoTokenizer.from_pretrained("deepseek-ai/DeepSeek-V4-Pro")
tokens = tokenizer.encode(prompt)

How to Run Locally

Please refer to the inference folder for detailed instructions on running DeepSeek-V4 locally, including model weight conversion and interactive chat demos.

For local deployment, we recommend setting the sampling parameters to temperature = 1.0, top_p = 1.0. For the Think Max reasoning mode, we recommend setting the context window to at least 384K tokens.

License

This repository and the model weights are licensed under the MIT License.

Citation

@misc{deepseekai2026deepseekv4,
      title={DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence},
      author={DeepSeek-AI},
      year={2026},
}

Contact

If you have any questions, please raise an issue or contact us at service@deepseek.com.

Как запустить

На своей GPU в ailist или через готовый API. Цены — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

API через OpenRouter

deepseek/deepseek-v4-pro

Недоступна

$0.96 / $1.91

Запуск через API временно недоступен: у платформы закончился лимит OpenRouter.

Класс архитектуры
DeepseekV4ForCausalLM
Ревизия весов
b5968e9

0 моделей