DeepSeek · 2026-04 · 稀疏 MoE

DeepSeek-V4-Pro

DeepSeek-V4-Pro 是 DeepSeek 於 2026-04 發布的多查詢注意力（MQA） Transformer，共 61 層，隱藏維度 7168，上下文視窗 1,048,576 個 token。

層堆疊

注意力 ×61 · 層數 61

依據隨權重發布的 config.json 繪製 · 61 層 / 寬 7,168 / 上下文 1,048,576。本圖為本站原創示意圖。

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

它是稀疏混合專家模型：384 個路由專家、top-6 路由；每個 token 約激活 49B 參數。

設定中包含 1 個額外的多 token 預測（MTP）層，用於加速解碼。

對比對象為同實驗室的上一代模型；無前代時取結構最相似的模型。倍數欄 = 本模型數值 ÷ 對比模型數值。

與前代 DeepSeek-V4-Flash Base 的全欄位對比

模型	DeepSeek-V4-Pro	DeepSeek-V4-Flash Base	倍數
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

相似度取值範圍 0（無共同類別特徵）到 1（結構輪廓完全一致）。

46 個欄位