看到满屏都在聊DeepSeek V4的百万token，我就问一句：你们谁真的在本地把它跑起来过？

我见过太多人把“支持1M上下文”当成一句口号转发，但很少有人愿意聊另一个更实在的数字：要让V4在你自己机房里真正转起来，到底需要几张卡、多少电、几台服务器。

2026年4月24日，V4-Pro和V4-Flash正式发布并开源，上下文从128K一下拉到1M，官方提到首次加入KV Cache滑窗和压缩算法，把Attention的计算和访存开销压了下来。但参数归参数，落到部署层面才是见真章的地方。

华为昇腾950超节点给出的实测数据是：V4-Pro在8K输入场景下TPOT约20毫秒，单卡Decode吞吐4700TPS；V4-Flash在同一场景下TPOT压到约10毫秒，吞吐1600TPS。注意后面括号里那行小字——这些数字基于离线推理模式采集，不含调度和负载均衡的影响。换句话说，线上真实环境里你能拿到的有效吞吐，会再打一层折扣。

这个折扣有多大，取决于你想拿来干什么。

如果你只是偶尔丢份合同进去让它找前后矛盾，网页版点一下就行，根本不用碰私有化。但如果你是一家政企单位的IT负责人，数据不让出内网，模型必须落在自己机房里，那问题就完全不一样了。

每日互动做了一件事很实在：针对V4-Flash做工程优化后，把它完整塞进了一台华为Atlas 800八卡服务器。而在此之前，同类国产大模型私有化部署通常需要四台服务器组成集群，硬件成本动辄五百万，且受集群间通信带宽限制，综合性能只能跑到理想状态的两成左右。从四台变一台，从五百万降到百万级，这个变化对预算有限但数据安全要求高的单位来说，比多几万token上下文要紧得多。

但硬件门槛降低，不代表你用起来就轻松了。有一份实测文档记录了一个真实压力测试：把83万字的技术白皮书灌进去，要求模型交叉比对第12章和附录D，输出三条建议并标注每条建议在原文中的依据位置。测试者特别指出，这种事不是“摘要”，而是逻辑锚定；不是“调用API”，而是让模型真正“读完、记住、关联、推理、定位、复述”。

这里暴露了一个容易被忽略的断层：文档解析成文本再注入模型之后，关键证据落在原文90%位置时，模型到底是在检索还是在理解？测试者的原话是“这个边界必须亲手划出来”。

所以我的判断是：V4的百万token确实把长文本处理推到了一个新位置，但它真正的分水岭不在“能不能读”，而在“读完能不能把散落在不同位置的逻辑缝回去”。

另外提一个容易被忽略的参数。DeepSeek官方推荐temperature=1.0、top_p=1.0，并特别提醒不要直接套用GPT-5.5或Claude的默认值。这意味着如果你从其他模型迁移过来，第一件事不是调提示词，而是先看一眼参数配置有没有沿用了别家的习惯。

部署门槛降了，上下文拉长了，但“能读进去”和“能读明白”之间，隔着的不是一张卡的距离，而是一整套从硬件调度到推理路径控制的工作量。百万token是入场券，不是终点线。