起源：一步一跪一磕头只为求你安然作者： 黄肇治：

DeepSeek过于朴素了

出品｜虎嗅科技组

作者｜宋思杭

编纂｜苗正卿

头图｜视觉中国

“不诱于誉，，，不恐于诽，，，率道而行，，，端然正己。。
。。”

这是4月24日，，，DeepSeek在颁布V4预览版时写在公家号文章末尾的话。。
。

放在当下的语境，，，来解读这句话的意思是，，，无论外界若多么候、、若何猜测，，，DeepSeek仍按自己的节拍走，，，不被赞美裹挟，，，也不被感情推着走。。
。

甚至相比于其他几家基座模型公司，，，DeepSeek显得过于朴素了——不刻意刷榜、、不思考贸易化、、不优化用户履历，，，只是充任好一个“修路人”的角色。。
。

功夫拨回至R1颁布当天，，，行业迅速沸腾，，，而在往后的这459天里，，，各人一壁等待着DeepSeek的新模型，，，一壁见证了智谱和MiniMax两大国产模型纷纷登陆本钱市场，，，两家市值均一度冲破3000亿元。。
。

就在DeepSeek正式颁布V4后的几分钟，，，本钱市场再次给出反馈。。
。约上午11时05分，，，港股大模型板块急剧震荡，，，智谱与MiniMax双双跳水，，，盘中一度别离跌超10%和12%。。
。

这是从前一年行业最鲜明的变动之一：国产模型初次被本钱市场定价，，，也让DeepSeek被不休投射为下一次行业变量。。
。

与此同时，，，Kimi、、Minimax、、Qwen和智谱等模型再三登顶，，，但在此期间，，，DeepSeek却一向悄无声息。。
。

而今天DeepSeek的新模型终于来了，，，但从这个新模型V4来看，，，它并不属于公共所理解的”行业顶尖“，，，至少这个“当先”不是榜单所界说的。。
。

据 Artificial Analysis 数据，，，V4 Pro 在世界知识类 benchmark 中已跻身全球前列，，，仅次于 Gemini-Pro-3.1。。
。综合阐发来看，，，DeepSeek V4 已当先无数开源模型，，，整体机能起头逼近顶级闭源模型。。
。

也就是说，，，若是依照各人等待，，，V4应该会是再一次震惊行业的“顶尖”模型，，，但这不是DeepSeek给自己的界说。。
。它给自己的界说一向都是追求性价比。。
。

和其他基模公司比，，，DeepSeek过于朴素

在几家头部大模型公司里，，，DeepSeek一向有一种很出格的气质：朴素。。
。

这种朴素，，，不是指产品单一或者技术激进与否，，，而是它很少像一家尺度AI创业公司那样，，，被融资节拍、、贸易化压力和市场感情推着走。。
。某种水平上，，，它不急着证明自己能赚几多钱，，，因而反而更有空间去做自己真正想做的事。。
。

虎嗅对比了几大基座模型的技术路线后发现，，，和DeepSeek最类似的就是Kimi了。。
。

两家公司都带有鲜明的技术梦想主义色彩，，，也都曾凭借模型能力在行业里打出辨识度。。
。就在V4颁布前两天，，，Kimi刚刚推出K2.6，，，并称其为颁布以来最好的代码模型。。
。与此同时，，，DeepSeek在V4颁布文章中也提到，，，他们内部同样在将V4作为公司内部员工使用的 Agentic Coding 模型。。
。

这意味着，，，两家公司都把代码能力视作模型价值的重要方向。。
。

类似点还不止于此。。
。这次V4的另一大特点，，，是原生支持1M高低文，，，并强化长链路推理能力。。
。而长高低文、、复杂工作处置，，，同样是Kimi从前一年持续强化的标签。。
。

若是只看代码、、长高低文、、复杂工作这些理论能力天堑，，，Kimi与DeepSeek似乎正在越来越靠近，，，甚至能够说，，，两家齐全撞车。。
。

但若是仔细拆开，，，会发现两家公司走的其实是两条齐全分歧的技术路线。。
。

Kimi从前持久强调的，，，是线性把稳力路线。。
。它的主题思路，，，是让模型在超长高低文、、多步骤工作中，，，把推算成本节制在可接受领域内，，，再叠加Agent系统、、工作编排、、多轮挪用等能力，，，让模型像一个能够持续工作的执行系统。。
。

而DeepSeek V4这次在技术汇报中强调，，，使用的是混合把稳力架构（Hybrid Attention）：通过 CSA（Compressed Sparse Attention，，，压缩稀少把稳力）与 HCA（Heavily Compressed Attention，，，重度压缩把稳力）交替共同，，，对汗青高低文进行分层压缩和选择性读取，，，在维持百万级高低文能力的同时，，，大幅降低推理成本。。
。

汇报数据显示，，，在100万token场景下，，，DeepSeek V4-Pro 的单token推理 FLOPs 降至上一代模型的27%，，，KV Cache占用降至10%。。
。

单一来说就是，，，Kimi的思路，，，更像是把一个复杂工作拆成好多步骤，，，再组织多个智能体合作实现；；；DeepSeek的思路，，，则是先把底层存在的问题先一点点解决掉，，，把地基搭好，，，让模型在底层推算结构上先变得更高效。。
。

这两者看起来是，，，一个是在职务层做加法，，，一个是在系统层做减法。。
。

但若是依照这个逻辑来看，，，能够得到一个结论是，，，在面对统一项复杂工作时，，，Kimi往往会亏损更多token。。
。

原因并不复杂。。
。由于当模型起头承担真实工作流程时，，，token亏损不再只是用户输入与最终输出，，，还蕴含工作拆解、、中央推理、、多轮挪用、、工具返回了局、、谬误修改以及多个Agent之间的高低文同步。。
。用户只输入一句话，，，后盾可能已经实现了十几轮运算。。
。

当然，，，这并不料味着Kimi的技术路线有问题。。
。尤其是在当下，，，AGI的技术路线并未收敛确当下，，，任何一种技术路线都有各自的曲直势。。
。

那么，，，作为一家更强调贸易化落地的公司，，，Kimi做的事件是优化用户履历，，，首先让好多企业和小我用户愿意为Kimi付费。。
。某种水平上，，，它已经靠近“可交付的出产力工具”。。
。若是一个模型多亏损一些token，，，却替用户节俭了3小时工作功夫，，，这笔账不定不划算。。
。

也就是说，，，Kimi追求的，，，是token被亏损后的产出效能；；；而DeepSeek追求的，，，则是token自身的推算效能。。
。

这两种选择背后，，，极度鲜明地体现出两家公司分歧的底色。。
。

DeepSeek背后的母公司幻方量化，，，性质是一家量化机构。。
。量化买卖天然强调两件事：效能与收益率。。
。任何战术都要推算投入产出比，，，任何系统都要追求速度、、不变性与资源利用率。。
。在这种文化下成长出来的团队，，，会很天然地关注大模型的效能问题。。
。

这也诠氏缢为什么DeepSeek总在做一些看起来没那么热烈、、却极其关键的事件，，，好比MoE、、推理优化、、把稳力重构、、算力利用率提升。。
。

由于对幻方来说，，，大模型不定是一门独立生意，，，但它首先必要是一套提升钻研效能、、分析效能与决策效能的基础工具。。
。

换句话说，，，梁文锋也许并不关注DeepSeek能为他带来几多收入。。
。他有更长的功夫尺度，，，也更能接受先做难而慢的事。。
。

Kimi则分歧。。
。月之暗面从缔造第一天起头，，，就是一家尺度意思上的AI创业公司。。
。它必要融资，，，必要增长，，，必要向市场证明模型能力最终能够转化为真实业务。。
。杨植麟当然有很强的AGI梦想主义色彩，，，但Kimi必须同时面对贸易化的现实问题。。
。

这也决定了，，，Kimi会更积极地靠近用户需要、、代码需要、、Agent需要和付费需要。。
。它的模型迭代节拍、、产品节拍、、组织节拍，，，更像一家必要持续驰骋的创业公司。。
。

所以，，，看起来都在做长高低文、、代码模型和复杂工作，，，两家公司却在解决齐全分歧的问题。。
。

这也是为什么DeepSeek总显得“不焦急”。。
。

国产代替，，，仍在路上

在V4颁布前，，，外媒曾屡次“预报”DeepSeek将齐全切换至国产模型训练，，，并逐步脱节对英伟达的依赖。。
。

然而，，，从V4颁布的技术汇报来看，，，这一新闻不定是真的。。
。

DeepSeek仅在汇报中强调了，，，其已经验证了在 NVIDIA GPU 和 HUAWEI Ascend NPU 平台上验证了 EP（专家并行）规划。。
。但并没有明确提到DeepSeek已经切换至华为昇腾芯片上做训练，，，

更正确地说，，，它注明的是，，，DeepSeek已经在系统层面实现了跨平台适配，，，至少让V4这类MoE模型可能同时运行在英伟达与昇腾两套硬件架构之上。。
。但这并不直接意味着，，，其主题训练工作已经脱离英伟达。。
。

换句话说，，，DeepSeek极有可能依然依赖于英伟达芯片做训练，，，而用国产芯片实现推理工作。。
。

这其实也是当前行业更现实的蹊径。。
。

原因并不复杂。。
。预训练阶段对芯片生态要求极高，，，涉及大规模并行训练、、通讯带宽、、编译器成熟度、、故障复原能力以及持久不变性。。
。相比之下，，，推理环节对算力的要求更分散，，，也更适合率先实现国产代替。。
。因而，，，很多公司采取的并不是“一步到位切换训练底座”，，，而是先从推理侧起头迁徙。。
。

有多位行业人士在虎嗅交谈时暗示，，，“若是真的彻底切换至国产芯片，，，V4可能不会这么快到来。。
。。”

然而，，，比切换至国产芯片上训练更值得关注的是，，，DeepSeek这次在工具链层面的变动。。
。

从前，，，DeepSeek曾因深度使用 PTX 编程说话而受到关注。。
。PTX能够理解为英伟达GPU生态中的底层中央说话，，，靠近汇编层，，，可能极致榨取单卡机能，，，但天然绑定英伟达系统，，，开发门槛高，，，可迁徙性也有限。。
。

而在V4汇报中，，，DeepSeek不再强调PTX，，，而是提到了 DSL（Domain-Specific Language，，，领域专用说话），，，例如其选取 TileLang 这类面向AI算子优化的DSL，，，以平衡开发效能与运行效能。。
。

两者的区别在于：PTX是一种直接操作英伟达机械的底层说话，，，追求极限机能，，，但强绑定英伟达；；；DSL则更像是一层中央抽象，，，让团队在维持机能的同时，，，更快开发算子、、更容易适配分歧芯片平台。。
。

这意味着，，，DeepSeek固然不定已经实现国产芯片训练代替，，，但它至少已经起头让自己的模型不再强绑定英伟达，，，将来有可能逐步切换到国产芯片上训练。。
。

不做被等待的DeepSeek

DeepSeek并不筹算成为外界等待中的那个DeepSeek。。
。

从前一年，，，DeepSeek被行业赋予了太多角色。。
。有人等待它再次复制R1时刻，，，颁布一款重新震荡行业的顶尖模型；；；有人等待它成为中国大模型脱节英伟达依赖的象征。。
。

但V4的颁布证明，，，DeepSeek并没有被打乱节拍。。
。

它依然是一家萦绕着“效能”做模型的公司，，，例如，，，混合把稳力架构、、KV Cache压缩、、百万高低文推理成本降落、、专家并行优化、、跨平台Kernel设计，，，这些内容并不算“性感”，，，但都极度重要。。
。

但这些不算性感的工程化改进，，，正在逐步解决大模型目前依然存在的bottleneck。。
。

从这个角度看，，，DeepSeek和其他基座模型公司已经不站在统一维度上了。。
。当不少公司还在抢夺入口、、抢夺用户时，，，DeepSeek更关切的是，，，怎么把单元智能的成本持续压低，，，怎么让同样的能力亏损更少算力。。
。

所以，，，“不诱于誉，，，不恐于诽，，，率道而行，，，端然正己”，，，放在V4结尾，，，与其说是一种姿势，，，不如说是向公共表态——DeepSeek选择持续做那个更默默的DeepSeek。。
。

本文来自虎嗅，，，原文链接：https://www.huxiu.com/article/4853463.html?f=wyxwapp