（来源：上观新闻）
根据高盛报告，🇿🇲🤢V4 Pro在1⛔00万上下文🖖🏴场景下，单词元t🐂🎑oken推理📊所需浮点运算🥿量（F🇹🇹🇨🇭LOPs）仅🎊🗼为De😴epS⛸eek 🐝🇷🇸V3.2🦂🏇的27%🏟📍，KV缓存🕒占用仅为10🕋🍛%；V4 🐬🦇Fla🎭sh则更为📬激进，🔲👩👩👧FLO⚓🔭Ps降至1💚🐼0%，KV缓存压⛱↘缩至7%💫🇱🇹。
但又强价格✂又低，↙就会改🗽变成本结构，成本🇨🇽一动上面的生态🇮🇳就会跟🕠💙着动🚎。但 Dee✂👨👨👦👦pSeek😽🌝 把这😾🧵个默认前提🚡🌽打穿了🤪👩💼。阮翀(c🤠🥶hōng）🧲📃，本硕均毕业于⛎🍧北京大学，早年😒从事NLP📑🐣研发，20🤑👩👩👦23年加入D🏵💌eepS😗🦘eek，参与了🛹DeepSeek🇧🇧🔣 VL🗂🇪🇦、V3💸1️⃣和R1等工作🌕，是VL2的通💮讯作者☝🔑，也是最新发布的📘V4的作🍧者之一✋。
要想实现这个目标🈂🎫，就需要将发射🇻🇳成本降到最低❌。它让模型⏫更像一个能长时间🙊工作的协作者📁。我们原生支😔🇨🇦持工业协😭🕙议，无需转译🥔，能实现毫秒级🎲响应，这在工业🏈👢泛在服务现场很关键👨👨👧👧。大模型本🧿质是基于概率预♎测生成内容，🙎🎳缺乏对物理世🇧🇸界和金融规则的🇵🇫🏒深层理解🇪🇬🤕。
