英伟达已适配 DeepSeek-V4 AI 模型

英伟达宣布Blackwell平台适配DeepSeek-V4系列模型

就在今天，英伟达发布了一则重要消息：其最新的NVIDIA Blackwell平台，已经正式完成了对DeepSeek-V4-Pro和DeepSeek-V4-Flash两款模型的适配。这意味着，开发者现在可以通过NVIDIA NIM微服务直接下载部署，或者利用SGLang与vLLM框架进行更灵活的定制化推理。

那么，这两款模型究竟有何不同？从官方公布的信息来看，定位非常清晰。DeepSeek-V4-Pro拥有高达1.6T的总参数量，激活参数为49B，显然是瞄准了需要复杂逻辑和深度思考的高级推理任务。而它的“兄弟”DeepSeek-V4-Flash则走了另一条路，总参数量为284B，激活参数13B，主打的就是一个“快”字，专为那些对速度和效率有极致要求的场景设计。

当然，它们也有显著的共同优势。两款模型都支持长达100万Token的上下文窗口，并且最高能输出38.4万Token。这个能力意味着什么？简单来说，无论是处理超长的技术文档、进行深度的代码分析，还是完成复杂的多轮对话，它们都能轻松应对。值得一提的是，这两款模型都采用了MIT开源协议，对开发者社区相当友好。

光有理论参数还不够，实际表现才是硬道理。根据实测数据，DeepSeek-V4-Pro在NVIDIA顶级的GB200 NVL72系统上，开箱即用的性能就超过了每秒每用户150个Token。对于希望快速上手的开发者，借助vLLM框架提供的“Day 0”配方，可以在Blackwell B300上实现快速部署。这还不是终点，随着Dynamo、NVFP4以及CUDA内核的持续深度优化，模型的推理性能还有望进一步提升。

最后，来看看部署生态。英伟达为开发者提供了灵活的选择路径。既可以通过封装好的NVIDIA NIM微服务，像调用API一样简便地下载和部署；也可以选择更底层的SGLang或vLLM框架，进行深度定制。其中，SGLang提供了低延迟、均衡以及最大吞吐量三种预设“配方”，以适应不同场景的优先级。而vLLM框架则更加强大，它支持将推理任务扩展到100个以上的GPU节点，并且内置了工具调用和推测解码等高级能力，为构建大规模、高性能的AI服务提供了坚实的技术底座。