2026 年 2 月 16 日，AI 圈被一张泄露的基准测试图引爆 —— 国产开源模型 DeepSeek V4 疑似即将发布，其 SWE-bench Verified 得分高达 83.7%，超越 Claude Opus 4.5（80.9%）和 GPT-5.2（80%），跻身全球编程模型第一梯队。伴随 100 万 token 超长上下文、20-40 倍于 OpenAI 的成本优势等传闻，网友惊呼 “开源模型要终结闭源时代”。尽管部分泄露数据遭打假，但 DeepSeek 在网页和 APP 上低调测试的超长上下文功能已实锤，让这款号称 “编程之王” 的开源模型成为春节前最受期待的 AI 新品。
泄露数据刷屏：编程能力碾压顶尖闭源模型？
此次泄露的基准测试数据堪称 “炸裂”，DeepSeek V4 在多维度高难度任务中展现出跨越式提升，尤其在编程赛道实现对闭源巨头的反超：
-
编程能力登顶：SWE-bench Verified（软件工程任务基准）得分 83.7%，超越 Claude Opus 4.5 和 GPT-5.2，较上一代 DeepSeek V3.2（73.1%）提升超 10 个百分点；HumanEval（代码生成基准）约 90%，进入行业第一梯队；
-
数学推理能力飙升：AIME 2026（数学竞赛）得分 99.4%，IMO Answer Bench（奥林匹克数学基准）88.4%，FrontierMath Tier 4（前沿数学）23.5%（据称是 GPT-5.2 的 11 倍）；
-
全维度无短板：在 HLE（高阶语言理解）、跨模态任务等基准中均表现突出，被网友评价为 “同时刷新代码、竞赛数学、前沿推理三大天花板”。
更令人关注的是其 “性价比杀手锏”：传闻 API 成本比 OpenAI 便宜 20-40 倍，结合 100 万 token 超长上下文，可支持全仓库级代码推理，让企业级开发无需为长文本处理和高成本发愁。按泄露信息，模型预计 2 月 17 日（春节期间）发布，将成为首个能与闭源顶尖模型匹敌的开源产品。
数据遭连环打假：真实性存疑，发布时间或推迟
就在行业为 “开源逆袭” 欢呼时，泄露数据很快被多方质疑，多个关键信息被证实存在漏洞：
-
分数逻辑矛盾：AIME 2026 官方评分系统中，最高分仅为 120/120（100%）或 119/120（99.2%），99.4% 的得分根本不可能存在，直接证明相关图表不可靠；
-
数据集权限造假：Epoch AI 官方澄清，FrontierMath 数据集仅 OpenAI 和自身可访问，从未对 DeepSeek V4 做过评估，相关分数系伪造；
-
发布时间冲突：有消息称 DeepSeek 新模型已推迟至 3 月底发布，当前泄露的基准测试若基于内部原始版本，而非最终定型权重，参考价值有限；
-
缺乏关键细节：行业普遍认为，大模型基准测试的核心是 “可复现性”，但泄露数据未提供 pass@k 报告、工具栈配置、污染检查、失败案例分解等关键信息，仅靠 “标题数字” 难以服众。
不过网友也调侃，“虚假泄露” 恰恰证明 DeepSeek “深得人心”—— 只有真正成功的企业，才会成为被伪造测试数据的对象，侧面反映其在开源领域的高口碑。
实锤亮点：100 万上下文灰度测试，技术突破有迹可循
尽管基准数据存疑，但 DeepSeek 的技术进展并非空穴来风，其网页和移动端 APP 已悄然开启新模型灰度测试，100 万 token 超长上下文功能得到官方间接证实：
-
超长上下文落地：DeepSeek 小助手明确回应，网页 / APP 正在测试 “支持 1M 上下文的长文本模型结构”，可一次性处理《三体》三部曲体量的文本，仅 API 服务仍保持 V3.2 的 128K 上下文限制；
-
架构创新持续输出：V3.2 版本后，DeepSeek 团队密集发布核心技术成果，为 V4 奠定基础：
-
流形约束超连接（mHC）：解决超深网络训练的梯度消失 / 爆炸问题，支持数百层甚至上千层网络稳定训练；
-
Engram 条件记忆机制：将静态知识（事实、常识）与动态计算（逻辑推理）解耦，突破 GPU 显存瓶颈，支撑超长上下文检索；
-
增强型稀疏注意力（DSA 2.0）：智能筛选 Token，将 “先算后筛” 升级为 “按需计算”，降低长文本处理复杂度；
-
视觉因果流（DeepSeek-OCR 2）：动态调整图像 “阅读顺序”，擅长复杂文档、表格处理，跨模态能力提升。
-
此外，Meta 科学家研究发现，DeepSeek 的架构设计（MLA + sigmoid MoE + 共享专家 + DSA + MTP）已成为前沿稀疏专家模型的 “标准配方”，多家顶尖实验室纷纷借鉴其设计思路，证明其技术引领性。
核心看点前瞻：四大突破剑指 “编程之王”
结合泄露信息与官方技术铺垫，DeepSeek V4 的核心竞争力已逐渐清晰，四大突破有望重塑开源模型格局：
-
仓库级编程推理：理解单个文件变化对整个项目的影响，适配大型代码库和复杂分布式系统，解决企业级开发的核心痛点；
-
无衰减长文本处理：100 万上下文不仅是 “长度数字”，更能保持逻辑连贯性，避免传统模型在长文本中 “迷失方向” 的问题；
-
训练稳定性升级：通过 mHC、归一化策略等技术，实现多轮训练中数据模式理解能力不衰减，平衡各项性能，避免 “偏科”；
-
开源开放生态：延续 DeepSeek 一贯的开源传统，以开放权重形式发布，让开发者可本地部署、二次开发，与闭源模型形成差异化竞争。
行业影响：开源与闭源的终极对决即将开启
DeepSeek V4 的传闻与进展，折射出 AI 行业的核心趋势变化：闭源模型垄断顶尖性能的时代正在松动，开源模型通过架构创新、效率优化，正快速缩小与闭源产品的差距。
尽管当前泄露数据存在争议，但不可否认的是，DeepSeek 已通过 V3.2、R1 等版本证明，开源模型完全能以低成本与专有模型竞争。若 V4 能如期实现 “编程能力对标 Claude、成本仅为 1/20”，将彻底改变企业和开发者的选型逻辑 ——CTO 们将迎来 “成本套利” 的绝佳机会，开源模型有望在更多商业场景中取代闭源产品。
无论最终发布时间是 2 月还是 3 月，DeepSeek V4 都已点燃行业对开源模型的期待。正如网友所言，“哪怕只有 100 万上下文这一个实锤亮点，也足以推翻‘LLM 架构探索已收敛’的说法”。开源与闭源的终极对决，才刚刚拉开序幕。