【菜科解读】

近日，金山办公正式开放AI原生笔记产品 “WPS笔记” 内测，开放首日便引爆市场，申请量突破8000。

这款主打 “随心记录，永远有序” 的AI原生应用，不仅支持文字即时记录，更深度融合AI Agent，兼容语音转写、图片结构化处理等多模态录入方式，实现从信息录入、整理到复用的全流程智能化，彻底改变传统笔记 “难整理、难复用” 的困境。

“整理是AI的事，思考是用户的事。

”金山办公AI产品负责人徐奕成强调，我们在产品立项之时就明确WPS笔记的AI只做内容的重构，不做AIGC。

我们要做的不是简单的功能叠加，而是一次 “责任转移”—— 把对抗熵增、整理信息的重担，从用户身上彻底转移给 AI。

用户只需要专注于记录和思考，放心地把各类信息 “往里扔”，剩下的分类、归档、结构化工作，全由AI完成。

为了实现这个目标，WPS笔记团队围绕 “责任转移” 展开关键布局。

首先，语音转写自带记忆能力，能精准留存用户的修正历史，结合上下文自动优化转写准确性，例如在小米1S发布会相关场景中，可智能将转写识别的 “小米 Yes” 修正为 “小米 1S”，避免重复纠错。

同时，针对图片结构化处理，依托WPS自研的 Monkey OCR 技术，能精准提取图片中的文字、公式与表格，让图片内容从 “黑盒” 变为可检索的结构化数据，搭配梯形校正与弯曲矫正功能，拍白板、PPT 无需纠结拍摄角度。

此外，通过打通MCP与CLI双接口，WPS笔记开放23 +原子能力接口，支持龙虾、Claude Code 等工具直接操作笔记。

赋予 AI Agent 直接读写、编辑笔记的完整权限，彻底省去人工复制粘贴的中间环节，真正达成 “Agent 负责干活，笔记负责留存结果” 的高效协同模式，让信息流转更顺畅。

从行业的角度看，区别于传统AI笔记的 AIGC 生成模式，WPS笔记坚持 “只做内容重构，不做无中生有”，确保用户思考的纯粹性。

同时开源Skill仓库，允许开发者贡献场景化工具脚本，覆盖教育、编码、内容创作等多元场景，形成灵活扩展的生态体系。

此前，WPS已在文档总结、格式优化、多模态处理等领域积累了成熟的AI能力，而WPS 笔记则进一步打通了 AI Agent 协作链路，构建起 “工具协同 - 知识沉淀 - 高效复用” 的闭环。

刚刚，直线猛拉！DeepSeek V4正式发布

【导读】它来了！ 中国基金报记者 泰勒 千呼万唤始出来，就在刚刚，DeepSeek正式发布并开源全新系列模型DeepSeek-V4，分为Pro和Flash两个版本。

在一年前震动硅谷之后，这次带来了其迄今为止最大的一次升级。

DeepSeek发布V4版本 4月24日，DeepSeek全新系列模型DeepSeek-V4的预览版本正式上线并同步开源。

据介绍，DeepSeek-V4拥有百万字超长上下文，在Agent能力、世界知识和推理性能上均实现国内与开源领域的领先。

模型按大小分为两个版本。

即日起登录官网或官方App，即可与DeepSeek-V4对话，API服务也已同步更新。

以下是新版本的重点内容： 1.DeepSeek-V4-Pro：性能比肩顶级闭源模型 相比前代模型，DeepSeek-V4-Pro的Agent能力显著增强。

在Agentic Coding评测中，V4-Pro已达到当前开源模型最佳水平，并在其他Agent相关评测中同样表现优异。

目前DeepSeek-V4已成为公司内部员工使用的Agentic Coding模型，据评测反馈使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式，但仍与Opus 4.6思考模式存在一定差距。

DeepSeek-V4-Pro在世界知识测评中，大幅领先其他开源模型，仅稍逊于顶尖闭源模型Gemini-Pro-3.1。

在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型，取得了比肩世界顶级闭源模型的优异成绩。

2.大幅降低了对计算和显存的需求 DeepSeek-V4开创了一种全新的注意力机制，在token维度进行压缩，结合DSA稀疏注意力（DeepSeek Sparse Attention），实现了全球领先的长上下文能力，并且相比于传统方法大幅降低了对计算和显存的需求。

从现在开始，1M（一百万）上下文将是DeepSeek所有官方服务的标配。

3.Agent 能力专项优化 DeepSeek-V4针对Claude Code、OpenClaw、OpenCode、CodeBuddy 等主流的Agent产品进行了适配和优化，在代码任务、文档生成任务等方面表现均有提升。

DeepSeek融资进行中 据多家媒体报道， DeepSeek近日 启动首轮融资， 正与少数战略投资者接触，可能把估值推高至200亿美元以上。

知情人士称，DeepSeek的自由现金流确实不如一些体量更大的竞争对手充裕，但公司眼下并没有迫切的大额外部融资需求。

因此，这轮融资的核心其实是稳定研究团队。

过去一年，一些竞争对手估值快速上升，DeepSeek已有部分研究人员离职投向对方。

在AI行业，股票期权通常是研究人员薪酬的重要组成部分，很多时候甚至占到大头。

目前谈判仍存在较大不确定性，最终是否达成交易以及具体估值仍未可知。

2025年1月，DeepSeek发布了一款具有突破性的模型，其性能可与美国竞争对手相媲美，震动了整个AI行业。

市场反应 DeepSeek消息出来之后，市场反应较为剧烈。

国产芯片直线猛拉，寒武纪直线大涨。

消息面上，寒武纪已基于vLLM推理框架完成对DeepSeek全新版本的Day 0适配，适配代码已开源到GitHub社区。

这一成果得益于寒武纪长期积累的自研NeuWare软件生态与芯片设计技术，也是寒武纪对芯片与算法联合创新持续投入的延续。

而DeepSeek的竞争对手——智谱、Minimax在V4发布后跌势扩大，分别跌6.8%和3.9%。

编辑：张玲 校对：乔伊 制作：嘉颖 审核：许闻

DeepSeek-V4上线：使用华为芯片训练，性能比Gemini差3-6个月，价格优势明显

出品｜搜狐科技 作者｜郑松毅、常博硕 编辑｜杨锦 DeepSeek V4，来了！ OpenAI GPT 5.5 前脚刚发布，DeepSeek就亮出了“真家伙”。

就在刚刚，DeepSeek-V4的预览版本正式上线并同步开源。

据官方介绍，DeepSeek-V4拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。

模型按大小分为两个版本： 更具产业里程碑意义的是，DeepSeek-V4 从模型设计之初就深度适配国产算力，在华为昇腾芯片生态实测跑通，成为全球首个在国产算力底座上完成训练与推理的万亿参数级模型，打破对海外芯片与框架的长期依赖。

性能比肩顶级闭源模型，价格比Claude便宜21倍 官方实测数据显示，DeepSeek-V4-Pro性能比肩顶级闭源模型。

Agent（智能体）能力方面，相比前代模型，DeepSeek-V4-Pro的能力显著增强。

在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。

DeepSeek介绍，目前 DeepSeek-V4 已成为公司内部员工使用的 Agentic Coding 模型，据评测反馈使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与Opus 4.6 思考模式存在一定差距。

DeepSeek给出的结论相对克制。

在知识与推理任务上，其性能已经超过主流开源模型，并接近Gemini等闭源系统，但仍存在约3到6个月差距。

在 agent和代码任务上，其表现接近甚至部分超过Claude Sonnet。

此外，在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型（包括月之暗面的K2.6 Thinking、智谱GLM-5.1 Thinking等），取得了比肩世界顶级闭源模型的优异成绩。

相较之下，DeepSeek-V4-Flash主打性价比，能够提供更加快捷、经济的 API 服务。

在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 DeepSeek-V4-Pro 旗鼓相当，但在高难度任务上仍有差距。

据悉，V4-Pro 与 V4-Flash 最大上下文长度为 1M，均同时支持非思考模式与思考模式，其中思考模式支持 reasoning_effort 参数设置思考强度（high/max）。

对于复杂的 Agent 场景建议使用思考模式，并设置强度为 max。

使用价格如下： DeepSeek表示，“受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调。

” 再看看国际友商价格对比，可见DeepSeek的实惠： 混合架构解决工程落地痛点，全面适配国产算力 大模型处理超长文本的最大痛点，从来不是 “能不能装下”，而是跑不动、记不住、算不起。

随着传统注意力机制呈平方级复杂度攀升，百万Token场景下显存与算力直接 “爆炸”，几乎无法工程落地。

DeepSeek-V4 的发布，标志着大模型正式走出 “参数竞赛”，进入效率优先下一代赛道。

从一口气审计全量代码库、一次性解析千页合同，到全程记住长时间会议、串联多轮复杂智能体任务，V4让AI 真正具备“完整理解、长期记忆、深度推理”的能力，同时把使用成本大幅下拉。

这一切得益于DeepSeek业内首创“CSA （压缩稀疏注意力） + HCA （重度压缩注意力）”的混合架构。

用一套“分级压缩 + 分级检索”思路，把效率拉到极致。

这一新方法显著减少了计算复杂度，提升了长上下文处理的效率。

具体来看，CSA像给长文本做重点精读。

先把每 4 个Token压缩成一个信息块，再用稀疏检索只挑最相关的内容，既保留中段细节，又大幅削减计算量，兼顾精准与效率。

HCA像给长文本做大纲速读，把海量信息浓缩成框架级块，专门负责全局逻辑。

官方数据显示：1M Token场景下，V4-Pro 仅需 V3.2 的 27% 推理算力、10% KV 缓存；

Flash 版更是低至 10% 算力、7% 缓存。

除了混合注意力，V4 还带来三项关键技术革新，构成完整效率革命： mHC 流形约束超连接：升级传统残差连接，把信号传播约束在稳定流形上，深层不衰减、训练不炸数值。

Muon 优化器：替代传统 AdamW，收敛更快、训练更稳，完美适配 MoE 大模型与低精度训练，解决大批次长上下文训练的抖动难题。

全链路工程优化：专家并行细粒度通信重叠、TileLang 内核开发、FP4 量化感知训练、异构 KV 缓存管理，从计算、通信、存储全方位降本提速，推理加速最高近2倍。

最受大家关心的，是V4这次是否成功全面适配国产算力？ 报告指出，DeepSeek-V4在英伟达 GPU 与华为昇腾 NPU 两大硬件平台上，对细粒度 EP 优化方案完成了全面验证。

相较于性能优异的非融合基线方案，该方案在通用推理负载场景下可实现1.50~1.73 倍的加速比。

有业内观点指出，这代表已经完成华为昇腾平台的适配和实测落地。

但目前对外开源的只有英伟达GPU版本，昇腾适配代码未开源，属于闭源适配优化。

值得一提的是，寒武纪在软硬一体生态中，已经完成基于 vLLM 推理框架完成对 285B DeepSeek-V4-flash 和 1.6T DeepSeek-V4-pro 的适配，适配代码已开源到 GitHub 社区。

剩下的，就等DeepSeek-V4的实用表现了。

还有DeepSeek的首轮融资最终花落谁家，也还是个谜题。

“不诱于誉，不恐于诽，率道而行，端然正己。

” DeepSeek官方在文章最后表示，他们将始终秉持长期主义的原则理念，在尝试与思考中踏实前行，努力向实现 AGI 的目标不断靠近。

”