DeepSeek · 2026-04 · 稀疏 MoE

DeepSeek-V4-Pro

DeepSeek-V4-Pro 是 DeepSeek 于 2026-04 发布的多查询注意力（MQA） Transformer，共 61 层，隐藏维度 7168，上下文窗口 1,048,576 个 token。

层堆栈

注意力 ×61 · 层数 61

依据随权重发布的 config.json 绘制 · 61 层 / 宽 7,168 / 上下文 1,048,576。本图为本站原创示意图。

多查询注意力（MQA） — 128 q-heads / 1 kv-heads. RoPE θ=10,000.

它是稀疏混合专家模型：384 个路由专家、top-6 路由；每个 token 约激活 49B 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-V4-Flash Base 的全字段对比

模型	DeepSeek-V4-Pro	DeepSeek-V4-Flash Base	倍数
model_type	`deepseek_v4`	`deepseek_v4`	＝
architectures	`DeepseekV4ForCausalLM`	`DeepseekV4ForCausalLM`	＝
hidden_size	`7168`	`4096`	×1.75
num_hidden_layers	`61`	`43`	×1.42
num_attention_heads	`128`	`64`	×2.00
num_key_value_heads	`1`	`1`	≈1
head_dim	`512`	`512`	≈1
hidden_act	`silu`	`silu`	＝
n_routed_experts	`384`	`256`	×1.50
num_experts_per_tok	`6`	`6`	≈1
n_shared_experts	`1`	`1`	≈1
moe_intermediate_size	`3072`	`2048`	×1.50
qk_rope_head_dim	`64`	`64`	≈1
q_lora_rank	`1536`	`1024`	×1.50
rope_theta	`10000`	`10000`	≈1
max_position_embeddings	`1048576`	`1048576`	≈1
sliding_window	`128`	`128`	≈1
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`	＝
eos_token_id	`1`	`1`	≈1
expert_dtype	`fp4`	`fp8`	≠

DeepSeek-V4-Flash (DeepSeek, 2026-04) 0.994
DeepSeek-V4-Flash Base (DeepSeek, 2026-04) 0.994
Qwen3.8 2.4T A95B (Qwen, 2026-08) 0.870
DeepSeek-V2 (DeepSeek, 2024-05) 0.860
GLM-4.6 (GLM, 2025-10) 0.860
GLM-4.5 (GLM, 2025-07) 0.859

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