DeepSeek · 2026-04 · 稀疏 MoE

DeepSeek-V4-Flash

DeepSeek-V4-Flash 是 DeepSeek 于 2026-04 发布的多查询注意力（MQA） Transformer，共 43 层，隐藏维度 4096，上下文窗口 1,048,576 个 token。

层堆栈

注意力 ×43 · 层数 43

依据随权重发布的 config.json 绘制 · 43 层 / 宽 4,096 / 上下文 1,048,576。本图为本站原创示意图。

多查询注意力（MQA） — 64 q-heads / 1 kv-heads. RoPE θ=10,000.

它是稀疏混合专家模型：256 个路由专家、top-6 路由；每个 token 约激活 13B 参数。

配置中包含 1 个额外的多 token 预测（MTP）层，用于加速解码。

对比对象为同实验室的上一代模型；无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。

与前代 DeepSeek-V3.2 的全字段对比

模型	DeepSeek-V4-Flash	DeepSeek-V3.2	倍数
model_type	`deepseek_v4`	`deepseek_v32`	≠
architectures	`DeepseekV4ForCausalLM`	`DeepseekV32ForCausalLM`	≠
hidden_size	`4096`	`7168`	×0.571
num_hidden_layers	`43`	`61`	×0.705
num_attention_heads	`64`	`128`	×0.500
num_key_value_heads	`1`	`128`	×0.008
head_dim	`512`	`—`
intermediate_size	`—`	`18432`
hidden_act	`silu`	`silu`	＝
n_routed_experts	`256`	`256`	≈1
num_experts_per_tok	`6`	`8`	×0.750
n_shared_experts	`1`	`1`	≈1
moe_intermediate_size	`2048`	`2048`	≈1
kv_lora_rank	`—`	`512`
qk_rope_head_dim	`64`	`64`	≈1
q_lora_rank	`1024`	`1536`	×0.667
rope_theta	`10000`	`10000`	≈1
max_position_embeddings	`1048576`	`163840`	×6.40
sliding_window	`128`	`—`
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`129280`	`129280`	≈1
torch_dtype	`bfloat16`	`bfloat16`	＝
num_nextn_predict_layers	`1`	`1`	≈1
attention_bias	`false`	`false`	＝
attention_dropout	`0`	`0`	＝
bos_token_id	`0`	`0`	＝

DeepSeek-V4-Flash Base (DeepSeek, 2026-04) 1.000
DeepSeek-V4-Pro (DeepSeek, 2026-04) 0.994
Qwen3.8-Flash-Next (Qwen, 2026-08) 0.858
DeepSeek-V2 (DeepSeek, 2024-05) 0.856
Qwen3-Next 80B A3B (Qwen, 2025-09) 0.856
Qwen3-Coder-Next (Qwen, 2026-01) 0.856

相似度取值范围 0（无共同类别特征）到 1（结构画像完全一致）。

46 个字段