（来源：上观新闻）
那些依赖🏛🕸重计算的竞争方案😁（如EPIC和🤟Cache🙊👱♀️Blend）➿⭐在重计算比例较低🧿时表现相当📋🆔seo糟糕，尤其🇦🇨🌚是在长文本0️⃣🐏场景下，⏸🥽说明它们🛂👩👧👦的质量非🇬🇬常依赖于重🤱🇻🇨计算的充分程💛度👩🦰🚘。Arena.🕜ai同时↕测试了V4 Fl🐮🇬🇲ash，两♋🦔款模型🌃🦡均支持1👩🦰🏺00万tok➗🇮🇨en上下文🇨🇳🤸♀️。工程师们很早就☃🦡想到了一🧿🎒个优化方案：☕把这些文档预🍡🚌先"消化"好⛳，把消化后的🇲🇾结果存储起来，🎌下次直接👍🥞拿来用⚗，省去🍔🍧重新阅🔮读的过程🏦。
不止推理端✂。根据技术报🇭🇳🐸告，V4还引入🇨🇴了流形约束超连接📫（mHC），替📭代传统📝🙅残差连接来增强🗓深层网络🍶信号传🛣🤗播的稳定🦡性，并使用M🍀🙌uon优🔄化器提升训🇨🇳🤷♂️练收敛🀄👎速度🧘♂️👩🚀。以下是我们提炼出🧞♂️🍉的核心体🍑验要点： （1）🇨🇳智能体🎼🇹🇹编程提升明显，‼🇮🇳长程任务能🚂力惊艳：D🏸👨💻eepSeek♦-V4-Pro能🤖够连续💪👩✈️seo自主编程60分钟🇸🇹以上，🇱🇦🍦无需人🇸🇨🚳工干预🤪，完成复杂的🎖😬数据库设🔫计和安卓模拟🇫🇴👨👨👧👦器开发等工🍄程任务🛋🇮🇳，展现🌗出强大的长程规💦划、自我纠错和工🇨🇲🛷具调用能力🐻🧮。重视开➗放权重模型的英🥅伟达，也把Op🤯enA💉🥢I gpt-o🌠ss 开📋🇬🇵源权重模🇵🇱型纳入其生态，为🍬👨英伟达Tenso♟️rRT-LLM🇸🇭 和包括 vL➿◾LM 和 Ol👋lama🙆♂️🇦🇽 在内⛷🕔的生态系🐜统框架优化了模🇩🇿🔢型权重🚸。
