量化漫谈系列之二十：DeepSeek-V4发布超长文本分析与Agent能力的全新进化

内容目录一、DeepSeek-V4布超长下的破架效率胜利 4大构新 5CSA+HCA：合注意机制 5mHC：形束连接 5Muon化替代AdamW 5型力评：Agentic力推能领源模，近级源型 6DeepSeek-V4助常工能大提升 8二、融本析务面，DeepSeek-V4据对优势 9三、DeepSeek-v4杂务评测 10Parquet件据析 10金券究官爬取 12A股场时测架 14风险示 15图表目录图表1：DeepSeek-V4个版与V3.2的格格对比 4图表2：API用础例 4图表3：API用心数 4图表4：CSA心构理 5图表5：DeepSeek-V4的AgenticSearch与RAG确度比 6图表6：DeepSeek-V4知识与Agentic能方面于沿 7图表7：DeepSeek-V4上下能提明显 7图表8：DeepSeek-V4-Pro-Max与他沿型比 8图表9：“领务”度上DeepSeek胜情况 8图表10：白任务各分维上DeepSeek得分 8图表11：CFLUE融评估据构成 9图表12：金应评结果 9图表13：数分任提示（选） 10图表14：ClaudeCode+DeepSeek-V4-PRO执据分任结果 11图表15：ClaudeCode+DeepSeek-V4-PRO执据分任更结果 11图表16：ClaudeCode+DeepSeek-V4-PRO执据分任更结果 12图表17：ClaudeCode+GLM-5.1执数分务更结果 12图表18：网爬任提示（选） 12图表19：ClaudeCode+DeepSeek-V4-PRO执络爬结果 13图表20：ClaudeCode+DeepSeek-V4-PRO执络爬更结果 13图表21：ClaudeCode+GLM-5.1执网爬果 14图表22：A回任示词节） 14图表23：ClaudeCode+DeepSeek-V4-PRO执测任结果 15图表24：ClaudeCode+GLM-5.1测务果 15一、DeepSeek-V4发布，超长上下文的突破与架构效率的胜利2026年4月4DepS-V4Hugingae此次版本迭代，DeepSeek-V4通过全新的架构设计实现了百万字超长上下文的突破，在Agent：Deepseek-v4-proDeepseek-v4-flash图表1：DeepSeek-V4两个版本与V3.2的规格与价格对比规格/价格Deepseek-v4-proDeepseek-v4-flashDeepsek-v32总参数1.6T284B671B激活参数49B13B37B上下文1M1M128K预训练数据33T32T15T输入（缓存命中）价格1元0.2元0.2元输入（缓存未命中）价格12元1元2元输出价格24元2元3元DeepSeek图表2：API调用基础示例DeepSeek图表3：API调用核心参数参数 值base_ul(OpnAI常用) htp:/p.epekcmAPI获取地址（填写ap_ke） htp:/ltomdese.omaikysdeepseek-v4-flashdeepseek-v4-prodeepseek-chat(目前对应deepseek-v4-flash的非思考模式，将modelreasoning_effortextra_body

于2026/07/24弃用)deepseek-reasoner(目前对应deepseek-v4-flash的思考模式，将于2026/07/24弃用)high（思考强度：高）max（对于复杂的Agen场景建议使用思考模式，设置强度为max）el）disabled（）DeepSeek1.6T49BV4-ProV3.22.55月5日V-FlshV3.2V3.237B三大架构创新DeepSeek-V4V3.2，V4-ProtokenFLOPs27，KVCache10CSA+HCA1MtkensVahDepSek前MLAKVCacheDSADeepSeek-V41M，在CSA（HCA（）CSACompressedSparseAttentionKVtop-k（V4-Pro1024，V4-Flash为5128个okesKV滑图表4：CSA核心架构原理DeepSeekHCAHeavilyCompressedAttention128tokensmHC传统的模型层与层之间是通过残差连接（ResidualConnection）通信的。4，DeepSeekManifold-Constrained(流形约Sinkhorn-KnoppDeepSeekMuonAdamWAdamWMuonV4的uonNetoSch（N832-33TpQApe）Ceforc）模型能力综评：AgenticDeepSeekDeepSeek-V4AgentClaude-Opus-4.6-MaxGPT-5.4-xHighGemini-3.1-Pro-HighAgenticDeepSeekV4ClaudeOpus4.6ClaudeOpus4.6的思考模式还有差距。AgenticDeepSeek-V4Agentic图表5：DeepSeek-V4的AgenticSearch与RAG准确度对比DeepSeek闭源模型能力相近。具体得分上，DeepSeek-V4-Pro-Max在研究生级别推理能力测试集GPQAHLEDeepSeek-V4STEM图表6：DeepSeek-V4在知识推理与Agentic能力方面居于前沿DeepSeekDeepSeek-V41MMRCRGemini-3.1-ProClaudeOpus4.6。DeepSeek-V4128K128K1MToken图表7：DeepSeek-V4长上下文能力提升明显DeepSeek完整测评数据如下。可以看到，在与国内其他前沿模型Kimi-K2.6Thinking和GLM-5.1ThinkingProMaxDeepSeek-V4AgentDeepSeek-V4图表8：DeepSeek-V4-Pro-Max与其他前沿模型对比DeepSeekDeepSeek-V4在V4（Wh-ColarTas）复杂企业生产力场景DeepSeek构建了包含30及精细的文档编辑，横跨金融、教育、法律和科技等13个关键行业。由于这些任务具有开放性，自动化指标往往难以捕捉高质量回答的细微之处。因此，DeepSeek图表9：“白领任务”各维上DeepSeek胜率情况 图表10：“白领任务”各细维上DeepSeek得分DeepSeek DeepSeekDeeSee-4-ProMaxu-4.-Ma，DeepSeek-V4-Pro-MaxOpus-4.6-Max二、金融文本分析任务方面，DeepSeek-V4占据绝对优势DeepSeek-V4，CFLUE125译、关系抽取、阅读理解与文本生成五类典型任务。具体细分项目如下：图表11：CFLUE金融应用评估数据集构成任务类型 任务子类型ESG分类/ESGClassification(14)ESG/ESGSentimentAnalysis(3)金融行业分类/IndustryClassification68)金融文本分类/Fin_TC(FinancialTextClassification)金融文本抽取/Fin_RE(FinancialTextExtraction)金融阅读理解/Fin_QA(FinancialQuestionAnswering)金融翻译/Fin_MT(FinancialTranslation)金融文本生成/Fin_TG(FinancialTextGeneration)

金融会议业务分类/ConferenceServicesClassification(3)金融事件分类/EventClassification(27)银行客服对话意图分类/BankingCustomerServiceIntentClassification77)行业情感信息抽取/IndustrySentimentInformationExtraction金融事件抽取/FinancialEventExtraction金融事件因果关系抽取/FinancialEventCausalityExtraction金融事件主体抽取/FinancialEventEntityExtraction---金融英中翻译/English-ChineseTranslation金融中英翻译/Chinese-EnglishTranslation金融术语解释/FinancialTermExplanation会议内容摘要/MeetingContentSummary客服对话摘要/CustomerServiceDialogueSummary资讯标题生成/NewsHeadlineGeneration研报标题生成/ResearchReportHeadlineGeneration图表12

阿里云F1ACCF1BertRougeBertBLEU模型名称

金融文本分类

金融文本抽取

金融阅读理解

金融文本生成

金融翻译准确度 F1分数 总得

保险文档问答

制度政策问答

研报观点问答

财报内容问答

似度

英译中中译英highDeepSeek-V4FlashmaxhighDeepSeek-V4PromaxDeepSeek-V3.2ReasonerDeepSeek-V3.2Speciale75.5653.4855.5355.2366.7362.4254.5139.9752.3925.8426.7916.39324.76115.68523.93871.1152.7477.9467.0566.3248.1530.1560.5466.6754.7557.9574.2252.0835.5562.3222.8221.88024.53077.7855.3058.2278.8174.5745.2037.0536.8336.7059.9830.7319.28631.02460.0053.8650.8555.0668.1638.4955.7425.8711.39921.82071.1151.6351.7164.7261.2844.5251.3328.1219.99127.619模型名称

金融文本分类

金融文本抽取

金融阅读理解

金融文本生成

金融翻译准确度 F1分数 总得

保险文档问答

制度政策问答

研报观点问答

财报内容问答

似度

英译中中译英ClaudeOpus4.766.6735.9550.0455.0569.0637.3633.6055.1227.4418.59524.994Gemini-3.1Flash60.0050.0649.5260.5471.0138.5132.0145.5113.922.3146.124Gemini-3.1Pro73.3347.0656.6579.3467.5641.3342.6452.3821.755.8276.073GPT-5.264.4429.0851.1155.9274.5736.4829.1659.4122.0117.54022.442GPT-5.468.8948.9554.2278.7366.3636.3728.3561.2921.3916.50823.573glm-5.160.0051.6452.7473.6167.9235.9727.7758.4122.964.4502.880kimi-k2.675.5648.0460.3376.7976.2045.0341.6661.9623.5418.83421.307minimax-m2.766.6746.8746.9552.1164.2038.0530.2150.2022.7119.29110.868DeepSeek，Claude，Gemini，GPT，Kimi，GLM，MiniMax在金融应用领域，DeepSeek-V4系列整体保持了在金融文本领域上的绝对优势，其中DeepSeek-V4ProClaudeOpus4.7Gemini-3.1Kimi-K2.6，比GLM-5.1、Minimax-M2.7整体来看，DeepSeek-V4依然是处理中文文本类任务的首要选择。三、DeepSeek-v4复杂任务评测数据分析、国金证券官网爬虫以及股票回测框架构建。这三项任务覆盖了实践中最常见的DeepSeek-v4模型在典型量化研发流程中的适配能力。所有评测任务均为在ClaudeCode中使用DeepSeek-v4-pro完成。Parquet在该任务中，我们向AI提供了一份覆盖2012年至2024年中国A股上市公司机构调研记录的大型Parquet数据文件。该文件包含超过十年的调研活动信息，涵盖机构调研的时间、参与主体、上市公司特征及相关元数据，数据规模较大、结构较复杂。我计划在这个项目中使用Python分析根目录下的parquet文件。20122024我计划在这个项目中使用Python分析根目录下的parquet文件。20122024A情况的整理。parquet析报告。从多个角度对已有数据进行分析,并给出结论。ClaudeCode,DeepSeek在输入指令后，模型经过了10分钟47秒完成了任务。图表14：ClaudeCode+DeepSeek-V4-PRO执行数据分析任务结果ClaudeCode,DeepSeek

我们随即二次输入提示词，明确要求模型补充数据可视化部分。图表15：ClaudeCode+DeepSeek-V4-PRO执行数据分析任务更新结果ClaudeCode,DeepSeek

MarkdownSeaborn图表16：ClaudeCode+DeepSeek-V4-PRO执行数据分析任务更新结果ClaudeCode,DeepSeek

图表17：ClaudeCode+GLM-5.1执行数据分析任务更新结果ClaudeCode,GLML.1DeeSeekGLM-5.1在该任务中，我们向DeepSeek-v4-prometa，AI需要尝使用python爬取国金证券研究业务的报告及内容:国 金 证 券 研 究 业 务 的 报 告 网 站 为 https://使用python爬取国金证券研究业务的报告及内容:国 金 证 券 研 究 业 务 的 报 告 网 站 为 https:///main/invest-advisory/research.html你需要为我爬取网页中的报告信息（报告标题、发布时间、报告类