DeepSeek

十月十四日，据财经报道，DeepSeek 正在把本轮融资翻倍至约一千亿元人民币，折合约一百四十九亿美元，投前估值约五千亿元人民币。老股东腾讯、宁德时代继续领投，新入股的包括 Stony Creek、SMC、CPE 源峰、君联、吉利等。一笔私人融资，数字摆出来却像一场国家级的认知资产定价。 五千亿估值买的到底是什么？ 拆开来算：DeepSeek 的商业收入远撑不起这个估值，它买的不是现金流，是「下一代基础认知能力的中国入场券」。当美国出口管制把高端芯片切成两半，当苹果 Intelligence 入华都要找阿里做后端，基础模型的权重本身成了战略物资。宁德时代的钱来自电池，吉利的钱来自造车，这些产业资本进来，不是要做 SaaS，而是要在自己的产品里跑一个不听美国人号令的大脑。 资本会不会反过来驯化悟道？ 另一面是风险。一千亿进来，治理结构就要对股东负责，研究路线就会被商业节点牵着走。OpenAI 已经演示过这条路：从非营利到 capped-profit，从安全研究到一百亿美元营收压力。DeepSeek 过去几年最值钱的恰恰是「不着急赚钱」的姿态。资本是护城河还是枷锁，取决于它能不能忍住不干预权重。 信号也很清楚：看接下来六个季度 DeepSeek 论文的密度有没有下降，看开源权重的发布节奏有没有变慢，看行业模型与通用模型的比例有没有倾斜。悟道是慢功夫，钱是快时钟，两者的时差，就是这一千亿真正的考题。 当中国基础模型变成战略资产，开源还守得住吗？ DeepSeek 的策略一直是开源，把权重放出来让全世界用。但融资千亿之后，一个必然的争论是：下一个版本还会不会全量开源？历史上拿过巨额战略资本的模型公司，最终都滑向了开源小模型、闭源大模型的双轨制。如果 DeepSeek 也走这条路，中国开源社区的事实标准就会动摇。接下来要盯的不是它融了多少钱，而是它下一份模型卡里的权重开放比例。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据十月十四日行业消息，DeepSeek 计划领投具身智能初创公司 Winverse AI 的数千万美元种子轮，投后估值约 4 亿美元。这家公司由前腾讯具身智能基础模型负责人胡瀚创立，专注机器人基础模型方向。据报道，这是 DeepSeek 在投资宇树科技之后，再次加码机器人赛道。一家以开源大模型著称的公司，开始真金白银地往具身智能里投钱，这个动作比它发任何一篇技术报告都更说明方向。 DeepSeek 为什么要投机器人公司？ DeepSeek 过去给人的印象是个纯粹的模型实验室——发开源权重、打价格战。但它这两年的动作显示，它在往「模型加硬件」的闭环走。具身智能需要两样东西：一个能理解物理世界的基础模型，和一个把模型装进机器人的身体。DeepSeek 自己有前一项，缺后一项；投胡瀚这种懂机器人基础模型的团队，等于用资本把两边拼起来。更深一层，纯文本大模型的估值已经卷到天花板，而具身智能是下一个还没被定价的大赛道，DeepSeek 想在早期就占住位置。 胡瀚这个团队值不值 4 亿美元？ 种子轮就喊到 4 亿美元估值，在具身智能这个赛道不算离谱——这个领域现在是资本抢人的阶段，但凡团队有大厂机器人基础模型的实战履历，估值就被抬得很高。胡瀚在腾讯做过具身智能基础模型，这种「从 0 到 1 搭过 VLA 模型」的人在国内屈指可数。但要清醒：具身智能公司的估值泡沫也在累积，种子轮 4 亿、A 轮可能 10 亿，最后能不能落到量产机器人上，完全取决于谁先把真实场景跑通。投资人赌的不是现在的产品，而是这个人未来能训出什么样的机器人大脑。 这对国内具身智能格局意味着什么？ 过去国内机器人赛道的钱，主要流向做本体的公司——做人形机器人硬件。但这一轮明显转向「大脑」：VLA 模型、世界模型、仿真训练。DeepSeek 领投胡瀚，标志着最强的国产开源模型力量开始认真对待具身智能。接下来值得盯的，是 DeepSeek 会不会把自己的开源模型能力直接喂给 Winverse——如果两边在技术上深度打通，Winverse 就不只是一个被投的创业公司，而是 DeepSeek 进入机器人行业的亲儿子。国内具身智能的格局，可能会因此重新排座次。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

多数前沿模型发布时，技术报告是模糊的几页 PPT，真正的架构细节留在公司内部。DeepSeek 反其道而行，把 V4 的技术文档以 PDF 形式公开，连 CSA、HCA、mHC 这类细节都写了进去。 DeepSeek 这份 model card 到底公开了什么？ 这份 model card 明确写了：V4 是保留 DeepSeekMoE 框架与 MTP 策略的 MoE 系列，引入压缩稀疏注意力（CSA）与重度压缩注意力（HCA）的混合注意力架构，并用流形约束超连接（mHC）把残差映射约束到双随机矩阵流形。这些不是营销词，是可以被同行复现、消融、质疑的具体设计选择。 为什么公开架构比公开权重更重要？ 拿到权重，你能部署；拿到架构细节，你才能二次创新。社区可以在 CSA/HCA 的配比上做实验，在 mHC 的约束形式上做改进，甚至把这些思路迁移到自己的小模型上。开源的价值上限，正从「可用」走向「可改」。 这对整个行业释放了什么信号？ 当头部实验室开始把「怎么造」也公开，模型本身的差异化就被压缩，竞争转向数据、工程与系统效率。这对整个开源社区是利好：你不再需要逆向别人的架构。 开源竞争的下一个战场在哪里？ 2026 年的开源竞争，会从「谁放出权重」升级到「谁公开得更诚实」。DeepSeek 这份 model card，事实上给前沿模型的透明度立下了一个新标杆。 这份文档对研究者和小团队有什么用？ 这份公开文档对小团队尤其友好：你不必有千亿集群，也能在小模型上复现 CSA/HCA 的混合注意力思路，验证它在你自己场景里的效果。mHC 这类残差约束更是可以直接迁移到任意 Transformer 上做消融。换句话说，DeepSeek 把「怎么造大模型」的方法论公开了，剩下的是算力与数据的差距。对做学术的人，这是难得的真实工业界架构样本；对做产品的人，这是可以直接借鉴的工程清单。透明度本身，正在成为开源生态最硬的通货。 对整个行业而言，这种透明也是一种竞争压力：别家再想藏着架构细节，就会在人才与生态争夺上吃亏。透明度的正向循环，往往就是从这样一份诚意十足的文档开始转起来的。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：DeepSeek-V4文档

翻开 DeepSeek V4 公开技术文档，多数人直奔 MoE 与上下文长度，却容易漏掉一个不起眼的名词：流形约束超连接，简称 mHC。它改的是深度学习最基础的那根骨架——残差连接。 残差连接好好的，为什么需要加约束？ 从 ResNet 以来，残差连接让深层网络可以训练，但层与层之间的信息流是自由生长的：每一层的输出随意叠加回主干。在超大 MoE 模型里，这种自由度会放大信号方差，个别层的输出可能主导整条残差流，训练后期出现不稳定。 mHC 的做法是把每层的残差映射约束到双随机矩阵构成的流形上，也就是数学上的 Birkhoff 多面体。直观理解：它要求各层对主干的贡献「既公平又归一」，既不让某一层喧宾夺主，又保证信息在深层网络里均匀流动。 mHC 这类底层改动为什么没人谈却很重要？ 这类改动不像换 MoE 专家数那样有话题度，但它直接影响两件事：训练能不能稳定跑到极致规模，以及推理时输出会不会突然跑偏。对做大模型训练的团队，mHC 这类「把结构先验写进网络」的思路，比单纯堆参数更决定上限。 把 mHC 写进 model card 对社区意味着什么？ DeepSeek 把 mHC 写进公开 model card，等于把一个原本只在内部实验室流传的训练技巧摆上桌面。开源社区可以复现、消融、改进——这也是 V4 技术文档开放的真正价值：比权重更值钱的，是设计权重时的那些约束。 这件事对自己训练模型的人有什么启发？ 如果你在微调或预训练自己的模型，残差流的稳定性往往是被忽略的瓶颈。mHC 这类约束的思路可以借鉴：不必照搬双随机矩阵，但可以给各层输出加温和的归一化约束，避免某几层在训练后期主导梯度。观察手段也简单——画出各层残差贡献随训练步数的曲线，看是否出现个别层异常突出。如果出现，就说明你的网络在「押注少数层」，长期看会限制规模上限。这类底层改动平时看不见，一旦出问题就是训练崩在半路。把约束写进网络结构，比靠调学习曲线去救要可靠得多。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：mHC超连接

DeepSeek 更新日志在描述 V4.1-Flash 时特意点出「具备原生多模态视觉理解能力」。这个措辞值得多停一秒：它意味着视觉不再是事后挂上去的插件，而是和语言主干一起训练、一起推理。 外挂 CLIP 的老路线到底有什么历史包袱？ 早期多模态做法是把一个预训练视觉编码器（类似 CLIP）抽出来，加一层投影，把图像特征塞进语言模型的词嵌入空间。这条路上手快，但有两个硬伤：视觉编码器与语言主干是两套训练目标，对齐靠薄薄一层投影；图像 token 与文本 token 在表示上始终有隔阂。 原生多模态到底在架构上改了什么？ 原生多模态让图像 patch 直接作为输入序列的一部分进入主干，与文本共享同一套注意力与专家路由。好处是视觉与语言在联合训练中互相校准，文档理解、图表推理这类「图文绑定」任务更自然。代价是训练流水线更复杂，视觉编码器的改动会直接波及语言能力，需要小心平衡。 原生多模态对应用层意味着什么？ 对开发者，原生多模态最直接的影响是「少一次模型切换」。过去要先调视觉模型再把结果喂给语言模型，现在一次调用同时拿到图文理解。在 OCR、截图排错、PDF 问答这类场景，链路变短、延迟变低、失败点变少。 怎么判断一个模型是真原生还是假原生？ 2026 年下半年，原生多模态会从旗舰下放到 Flash 档。判断一个模型是不是真原生，看它的技术文档如何描述视觉 token 与主干的融合方式——只说「支持图片输入」的，多半仍是外挂。 这条自检清单能帮你认出真原生吗？ 判断一家模型是不是原生多模态，可以问三个问题：技术文档是否说明视觉 token 与语言主干共享注意力；一次调用能否同时完成图文问答与推理，而非先识图再转文本；图表、截图这类含结构信息的输入，表现是否显著优于外挂模型。三个问题里中两个，才算真原生。对做文档智能、多模态 Agent 的团队，这直接决定了系统架构——原生模型让你能砍掉独立的视觉服务与结果中转，少一整层失败点和延迟。但也要留意，原生多模态对 OCR 这类纯文字任务未必更省，按场景搭配仍是常态。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：原生多模态

36 氪 10 月 8 日的报道里藏着一个被融资新闻盖过的技术细节：7 月底上线的 V4-Flash-0731 参数一个没动，靠重新后训练，就在九项代码与智能体测试上全部超过了 V4-Pro 预览版。最刺眼的数字是 DeepSWE 从 7.3 一路跃到 54.4。 参数没动，为什么后训练就能让小模型反超旗舰？ 过去大家默认「能力不够就堆参数、堆预训练数据」。DeepSeek 这次展示了另一条路：基座冻结，只重写后训练的数据配比与奖励设计，就让一个较小的模型在软件工程任务上反超自家更大的预览旗舰。Artificial Analysis 估算，它完成一项基准任务平均只要约 0.03 美元。这个数字意味着代码智能体的单位经济性被再次重算。 这件事折射出训练范式的哪三个转向？ 第一，后训练数据工程的权重在上升。同样的基座，喂什么任务、怎么给可验证奖励，差出近 47 分，说明「数据配方」本身就是护城河。 第二，小模型打大模型会成为常态。当后训练足够强，552B 的 Flash 足以吃掉 552B Pro 的流量——事实上 DeepSeek 已经把 V4 Pro 的请求全部路由到 V4.1-Flash，并安排 V4 Pro 于 14 日下线。 第三，评测要跟得上。DeepSWE 这类贴近真实仓库修复的任务，比刷 MMLU 更能区分后训练质量。 7.3 到 54.4 的跃升需要先打哪些折扣？ 7.3 到 54.4 的跃升很惊艳，但它是在特定基准上的数字，不等于真实生产环境里修 bug 的成功率。拿自家仓库的修复任务做一次 A/B，比读任何榜单都靠谱。 普通团队能照着复制的后训练思路是什么？ 如果你在做垂直领域 Agent，不必等官方旗舰升级。冻结一个开源基座，围绕自己的真实任务构造可验证奖励：代码任务用单元测试当裁判，工具调用用执行结果当裁判，文档问答用参考答案匹配当裁判。DeepSeek 这次证明，数据配方对了，小模型也能翻大盘子。关键是别拿通用对话数据混进来——那会稀释垂直能力。建议保留一个小而精的通用集维持对话体感，其余预算全部压给垂直可验证任务。按这个思路迭代两到三轮，你大概率能在自己的场景里复现一次类似的跃升。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：DeepSeek后训练

10 月 8 日多家媒体跟进 DeepSeek 新一轮融资传闻，同日其更新日志里的 V4.1-Flash 技术细节被再度翻出。这是 DeepSeek 全新结构系列中最小的模型，却把总参数做到 552B 的 MoE 规模，同时原生支持多模态视觉理解。本文不聊融资，只拆它的架构为什么能又快又便宜。 DeepSeek-V4.1-Flash 为什么要做输入 8B、输出 16B 的非对称激活？ 主流 MoE 长期把每 token 的激活参数做成对称的一套专家路由，V4.1-Flash 改成了非对称：输入阶段激活约 8B 参数，输出阶段激活约 16B。直觉上，prefill 阶段要一口气吃掉整段上下文，算力吃紧，少激活一点专家；decode 阶段逐个吐 token，带宽吃紧却需要更强的生成能力，于是多激活一点。这种把「算得动」与「写得好」分开定价的做法，本质是把 MoE 的路由开销按前后台重新分配。 配合全新的 Causal-Encoder-Decoder 结构，它不再是 V4-Flash 的增量改版，而是一次结构换代，上下文给到 1M tokens，最大输出 384K tokens。 CSA 与 HCA 是怎么把百万上下文压下来的？ V4 技术文档披露的另一组关键改动是混合注意力：Compressed Sparse Attention（CSA）负责压缩 KV，Heavily Compressed Attention（HCA）做更激进的压缩。二者叠加，让百万级上下文不再等于线性膨胀的显存账。保留自 V3 的多 Token 预测（MTP）继续在训练侧帮助收敛。 GPQA 90.9、HLE 36.8 这个坐标说明它在什么水平？ 更新日志给出的参考点是 GPQA Diamond 90.9、HLE 36.8。前者说明理科推理已摸到第一梯队，后者提醒最难开放题仍远未解决。对工程团队而言，真正的信号是：这套结构被设计成「能力上限更高、速度更快、吞吐更大、可扩展到更大模型」——V4.1-Flash 是新结构的试金石，更大的型号已在路上。 这套架构折算到部署上意味着什么？ 把这套架构折算成部署选择：552B 总参但只激活 8B 到 16B，意味着单 token 计算量远小于同规模稠密模型，吞吐天然占优；百万上下文叠加 CSA 与 HCA 压缩，又把 KV 膨胀控制在可接受范围。两者相乘，才是它敢把缓存命中价压到极低的工程底气。需要注意的是，非对称激活对并行策略有要求——输入与输出走不同专家集合，张量并行与专家并行的切分必须配套，否则容易出现负载不均。上线前务必压测不同并发下的尾延迟，别只看标称吞吐。 ...

先把丑话说在前面：这一篇讲的是一个未经官方证实的传闻。9 月 7 日，泄密账号 Mr_Salio 在 X 上发帖称，DeepSeek 正在从零开始构建 V5，目标直接对标 Anthropic 的 Mythos 级模型。这条爆料在过去几周持续发酵，到本周仍没有被 DeepSeek 官方确认或否认。之所以值得拿出来讲，不是因为它一定是真的，而是因为它折射出中国头部模型公司对下一个竞争梯队的真实判断。 「从零重造底座」对 DeepSeek 意味着什么？ 在大模型行业，「从零做新底座」是一个很重的决策。它意味着放弃在现有 V4 基础上做增量改良，而是押注一套全新的架构、训练范式和数据配比。这种赌注通常只有两种情况才会下：要么现有底座碰到了自己架构的天花板，继续堆料收益递减；要么竞争对手已经换到了新范式，不换就要掉队。 如果这个传闻属实，DeepSeek 把目标定在 Mythos 这一档——也就是 Anthropic 最顶尖的产品线——说明它不满足于做「便宜够用的追赶者」，而是想在能力顶端正面碰一碰。这和它过去靠极低成本逼近前沿的路线一脉相承，只是这一次赌注更大。 这个传闻为什么听起来不像空穴来风？ DeepSeek 之所以能让这个传闻显得可信，是因为它过去几次都证明了「能用别人零头的钱做到前沿」。市场对它的预期已经从「又一个国产模型」变成「会不会又搞出什么成本奇迹」。一旦 V5 真如传闻那样从零对标顶尖，整个前沿模型的价格体系会再次被搅动。 但反过来也要警惕：泄密账号的爆料历来真假参半，「对标 Mythos」这种话尤其容易被放大。从爆料到真发布，中间隔多久、能不能如期、实测能不能打，全是未知数。 我们该把这条传闻当成事实来看吗？ 无论 V5 最终是否如传闻那样，有一点是确定的：中国头部模型公司已经把竞争目标从「追上开源平均水平」上调到了「正面挑战闭源顶尖」。这个心气的变化，比传闻本身更值得记录。在官方实锤之前，把它当作一个「待验证的风向标」看待即可，既不必当事实引用，也不必急着否定。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：DeepSeek V5

跑 MoE 模型的人都见过一个怪现象：模型总参数巨大，但每个 token 只激活一小部分，GPU 利用率却上不去。NVIDIA 技术博客点破了原因——高交互场景下，MoE 的执行时间被专家权重加载时间卡住，而不是被矩阵乘法本身。这就是 WideEP（Wide Expert Parallel）要解决的问题。 decode 阶段的带宽地狱 生成阶段每一步，路由器只挑出少数几个专家（比如 671B 里激活约 37B）。问题是：被选中的专家权重要从显存里读进来，才能做这一步计算。专家越大、越分散，每一步的权重读取量就越接近「把整个模型读一遍」。 换句话说，MoE 在 decode 阶段退化成了内存带宽问题：算力（FLOPS）严重闲置，时间全花在把专家权重从 HBM 搬到计算单元上。 WideEP 的解法 传统专家并行把所有专家放在一组卡上，每个 decode step 要跨这组卡集体通信。WideEP 反过来：把专家切分到 NVL72 机架内更多节点上并行，缩短单个专家的加载路径，用机架级 NVLink 的高带宽抵消跨卡成本。配合前面提到的 EP64DP3 这类配置，专家被摊得足够开，每步加载时间显著下降。 为什么 2026 年才规模化 这不是算法创新，是基础设施创新。没有 NVL72 这种把几十张卡做成一个统一域的机架、没有 HBM4 的容量、没有 Dynamo 把 prefill/decode 拆开各自配拓扑，WideEP 就是纸上谈兵。MoE 模型（DeepSeek-V4、Qwen3.8 这类）与机架级硬件是同步成熟的。 给实践者的提醒 如果你在自建 MoE 服务，监控面板里别只看 GPU 算力利用率，要看 decode 阶段的显存带宽饱和率。如果带宽先打满、算力空着，说明你需要的不是更多卡，而是更合理的专家切分拓扑。 另一个实务建议是按请求类型分流。计算密集的批量任务与带宽敏感的交互式生成，最好路由到不同拓扑的资源池，而不是挤在同一批卡上互相抢带宽。这与 Dynamo 的分离式思路一脉相承：把负载画像摸清楚，再决定怎么切专家。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：MoE 专家并行

DeepSeek 早在年中就上线了上下文硬盘缓存：重复的输入部分直接从磁盘读取，不再重复计算，命中部分收费降到极低——按官方定价页，缓存命中价约为缓存未命中的零头（v4-flash 命中约 0.02 元每百万 tokens，而未命中是按正常输入价计费）。但很多人接了 API 却几乎没吃到缓存，原因不在模型，在请求的写法。 缓存命中的关键：前缀一致 这类缓存按「前缀匹配」工作：请求开头连续相同的部分越长，命中越多。所以省钱不是靠改参数，而是靠重排消息顺序。 正确姿势： 系统提示词放最前，且永远一字不差。把工具描述、角色设定、固定知识库全部塞进 system message 的开头。 把会变化的用户输入放最后。用户问题、临时数据、会话摘要放在动态尾部，别动前面。 别在前缀里塞时间戳或随机 id。哪怕多一个空格，缓存键就对不上，前功尽弃。 多轮对话复用历史：把上一轮已发送过的上下文原样保留在前部，只追加新消息。 一个量化感受 假设你的系统提示加工具描述有 3000 token，每请求都一样。写法对了，这 3000 token 按命中价计；写法错了（比如每次把当前日期拼在最前面），整段重新计费。高频 Agent 一天跑几万次请求，这个差距一个月就是账单上的几百到几千元。 判断 Manus 2.0 靠框架把 Token 砍掉 23.2%，对普通团队来说，最容易复制的「框架优化」其实就是这一条：把不变的东西放前面，把变的东西放后面。不需要换模型、不需要重写架构，今晚改改消息顺序就能见效。 还有一个常被忽略的点：缓存有匹配长度与时间窗。重复内容要足够长、且在一定时间内再次出现才命中，零散短句不会触发。所以真正能吃到缓存的，是那种「系统提示加工具描述固定、只换用户问题」的高频调用——这也再次说明，把稳定内容前置是收益最大、成本最低的动作。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：DeepSeek缓存