投资者们纷纷关注金麒麟分析师的研报，凭借其权威性、专业性、及时性及全面性，助力用户挖掘潜在的投资机会。

实测V4在长文本、代码及推理能力方面的表现。

AIX财经（AIXcaijing）原创

作者| 李梦冉

编辑| 魏佳

近期，PA捕鱼平台 V4在没有发布会及倒计时的情况下正式上线。

这一表述在国内AI领域显得格外突出。大多数模型发布时通常会标榜“全球领先”或“行业第一”。而PA捕鱼平台却主动承认了差距。

然而，深入分析此次发布的内容，可以发现这并非出于谦虚，V4并不打算在“谁最强”的问题上与GPT-5展开竞争。其真正目标是将百万token的超长上下文作为所有用户的标准配置，并将价格设定为竞争对手的三分之一以下。

本文旨在阐明三点：V4的本质、其功能，以及此次发布背后的重要信号。

01．

V4的最大变化：超长文本全系标配

V4模型分为Pro和Flash两个版本，分别在官方网页和APP中呈现为专家模式和快速模式。

Pro为旗舰版，专注于能力极限，主要与GPT-5、Gemini等顶尖闭源模型竞争，适合对效果要求极高的复杂任务。Flash则是轻量版，速度更快、价格更低，推理能力接近Pro，但在知识储备上略有不足。

这两款模型都支持一个核心功能，也是此次发布中最值得用户关注的变化——百万token的超长上下文，全系标配，无版本差异，无额外费用。

“上下文”一词听起来颇为技术化，简单而言就是“AI一次能处理多少内容”。按照100万token换算，约为75万汉字，几乎可以完整理解并分析整部《三国演义》。

这一能力源于V4采用的CSA（压缩稀疏注意力）与HCA（重度压缩注意力）的混合架构。处理同样一百万字的内容，V4仅需前代模型四分之一的算力与十分之一的显存。

此外，V4提供三档推理强度：

Non-think直出模式，AI直接给出答案，适合简单问答和日常对话，速度最快；在网页和APP上关闭深度思考即可。

Think High为常规深度思考，AI在回答前会进行推导，适合需要分析计算的场景；

Think Max则适合极难推理，但耗时更长，消耗的token大约是普通模式的两倍。思考强度由模型根据问题的复杂程度自动判断，或用户可通过API参数手动指定为High或Max。

定价方面，V4延续了PA捕鱼平台一贯的激进风格。

V4-Pro每百万token输入1元（缓存命中）或12元（缓存未命中），输出为24元；V4-Flash的输入为每百万token0.2元（缓存命中）或1元（缓存未命中），输出为2元。

粗略计算，PA捕鱼平台的定价约为竞争对手的三分之一甚至更低。此外，V4同时支持OpenAI和Anthropic两种API接口格式，开发者切换仅需更改一个参数，迁移成本几乎为零。

02．

三个场景实测：长文本、代码、复杂推理

V4在实际使用中的表现如何？我们围绕三个高频使用场景进行测试：长文本处理、代码生成与调试以及复杂推理。

长文本处理是V4的核心卖点，我们选用某上市公司2025财年年度报告作为测试材料。这份年报长达324页，涵盖财务报表、附注及股东信息等多个模块，信息密度高，数据分散，是测试长文本理解能力的理想素材。

我们的测试问题分为两层：第一层要求提炼年报核心要点；第二层追问两个藏在文档深处的具体数据——该年度回购股份的总数量与总对价，以及管理人员酬金排名第三的具体人员与金额。这两个问题的答案散落在年报第212至213页和第311至313页，位置偏后，必须完整阅读文档才能准确定位。

V4响应时间约19秒，给出的答案完全符合原报告。

此外，在追加提问短期银行借款利率区间时，我们关闭了“深度思考”，选择Non-think模式，V4同样准确找到年报数据，信息来源精确到页码。

整体来看，快速模式下V4对这份300余页年报的处理相当稳定。数据定位准确、跨章节关联清晰、单位换算无误，且在回答过程中主动识别潜在的口径歧义并加以说明，未因文档体量大而出现答非所问或信息遗漏的情况。

针对需要快速从大体量文档中提取特定数据，V4的长文本处理能力已达到实际可用的水平，且在快速模式下便能完成，无需开启深度思考以换取准确性。

这一场景我们分两步进行测试：

第一步，让V4生成一段含有隐藏Bug的Python代码，要求故意埋入2至3个常见错误但不提示位置；

第二步，将这段代码重新交回V4，要求找出所有问题、修复代码并逐一解释原因。两轮分别在开启和关闭深度思考的模式下各进行一次。

开启深度思考模式响应时间为15秒。V4在思考过程中主动梳理了代码的所有潜在问题，最终提供了6项错误分析，超出原题预设的2至3个范围。除了核心的数据类型错误和文件未正确关闭外，还额外识别出除零错误、列名不存在时的KeyError等。

关闭深度思考模式则明显更快，直接输出结果，思考过程不明显。识别出的问题同样包括文件未正确关闭、列数据类型错误、除零错误、列名不存在等，核心结论与开启深度思考的结果基本一致。

对于不懂代码的用户而言，日常的代码调试任务，关闭深度思考模式已足够可用且速度更快；若是在生产环境中进行代码审查，或需考虑各种异常边界，开启深度思考则能提供更完整的分析。

对于复杂推理测试，我们设定为一家中高端护肤品公司的经营困境分析：三年收入年均增长18%，但净利润率从12%腰斩至6%，同时面临库存积压、营销费用失控、电商渠道落后和竞争对手低价抢市等多重压力。

要求V4以商业顾问身份，识别核心问题，并按紧迫程度列出三个优先风险及其判断依据，随后在同一对话中追问：若公司决定优先发展电商渠道，可能面临哪些新风险。

深度思考响应用时为9秒。V4在思考过程中成功拆解问题：将所有负面信号归类为现金流威胁、盈利能力恶化、市场结构性风险三个维度，并依据“若不立即处理会导致现金流断裂或持续亏损”的紧迫性标准完成排序，逻辑链条清晰可见。

最终，V4给出的三个优先风险依次为：库存积压与现金流风险排第一；盈利能力持续恶化排第二，中端市场被抢占与渠道结构性短板排第三，并均给出了充分理由。

为验证连续推理能力，我们追问发力电商渠道的风险，响应用时仅3秒，直接在第一轮建立的背景基础上继续推导，V4识别出五项新风险。

关闭深度思考后的结果也相似，但结论呈现更为结构化，增加了“止损时间窗口”，落地感更强，某种程度上比深度思考版本更像一份可以直接汇报的分析文件。

本轮测试中最值得关注的有两点：一是推理的连贯性。前后两轮的分析形成了完整的逻辑链；二是结论的落地性。风险分析不仅停留在“可能会有影响”的层面，每条均给出了具体的传导路径。

例如，V4指出高端产品依赖线下BA服务和专柜体验来支撑溢价，一旦在电商大力促销，消费者会形成“不降价就不买”的预期，进而打击线下门店的正价销售能力，最终形成恶性循环。测试结果显示推理逻辑的连贯性及缜密性。

03．

V4的真正影响力，超越了模型本身

PA捕鱼平台主动承认“落后3到6个月”，并非谦虚。PA捕鱼平台的优势在于开源与价格，承认差距反而让其牌打得更稳。

一位长期关注大模型领域的从业者对‘AIX财经’表示，“当一个开源模型把百万上下文变成标配、将API价格压至竞争对手的三分之一时，闭源模型的护城河实际上并没有想象中那么宽。”V4的最大价值在于让用户在可控成本的前提下，实现许多过去无法承担的功能。

因此，开源与低价或将动摇整个行业的定价逻辑。

对普通用户和中小开发者而言，顶级推理能力的使用门槛显著降低。过去要使用优秀模型，需支付高额订阅费用或承受昂贵的API成本，而如今这一壁垒已被削弱；对于大厂而言，当一个性能相近的开源模型以极低价格提供服务时，闭源模型的溢价空间将持续受到压缩，而且这种压力是长期的，不会因下一个版本发布而消失。

此外，V4技术报告中首次将华为昇腾和英伟达GPU并列列入硬件验证清单。

更值得注意的是，V4采用的FP4精度格式，恰好与华为今年新发布的昇腾950芯片原生支持的精度相匹配，两者之间的适配并非偶然。PA捕鱼平台官方表示，待下半年昇腾950超节点批量上市后，V4-Pro的价格将进一步大幅下调。

在英伟达出口管制持续收紧的背景下，此次技术协同释放的信号十分明确：PA捕鱼平台正在主动构建一条不依赖于英伟达的算力通道。这一战略意义远超V4产品发布本身。

上述从业者表示，若昇腾这一线确实顺利推进，对整个国内AI生态将产生重大影响。目前，大家仍在依赖英伟达的资源，一旦有一套成熟的替代硬件基础设施，算力的定价权和供给稳定性将发生根本变化。PA捕鱼平台愿意在技术报告中公开支持昇腾，这一行为本身就不仅是商业合作，更像是一个方向性的表态。

随着昇腾950的量产及价格进一步下调，V4的实际影响力或将在下半年逐渐显现。

海量资讯、精准解读，尽在新浪财经APP

责任编辑：张恒星