DeepSeek 进化之路

2024 年初，做大模型只有两条路。

第一条路：做一个密集模型。就像让一个天才什么都会，所有知识都装在一个大脑里。OpenAI 的 GPT-4 走这条路。效果最好，但也最贵。

第二条路：做一个混合专家模型，MoE。就像开一家医院，每个科室只看自己的病。病人来了，先分诊，然后送到对应的科室。每个专家只处理自己擅长的部分。

但 DeepSeek 选了一条更笨的路。当时所有做 MoE 的人，都把专家做得很大——每个专家是一个巨大的神经网络。DeepSeek 反其道而行：把专家切碎。

他们发现，专家太大了，学的东西就会重复。如果把一个大专家拆成 8 个，总参数不变，但每个小专家可以学不一样的东西——一个学语法，一个学数学，一个学代码。这就是细粒度专家混合。再加上一个共享专家来兜底，确保常见问题总有人能处理。

V1 证明了方向，但有个致命问题——太慢了。

问题出在注意力机制上。每个 token 在处理时，都要回过头去看前面所有的 token。看过的结果要存起来——这叫 KV 缓存。

DeepSeek 的团队问了一个问题：这些便签能不能写得精简一点？

他们发明了 MLA——多头潜在注意力。核心思想很简单：不要直接存 KV 缓存，而是先把它压缩到一个更小的空间里。就像你把一张 4K 照片压缩成 JPEG——虽然损失了一些细节，但你认得出照片里的人，而且文件小了 90%。

V2 有架构，但还差一样东西——规模。

2024 年底，DeepSeek 放了一个大招：DeepSeek-V3。671B 总参数，37B 激活。但这个模型最惊人的不是它有多大，而是它训练有多便宜。

怎么做到的？两个关键创新。

第一，FP8 训练——用 8 位精度代替 16 位。就像你用 MP3 代替 CD，音质差一点，但文件小了 50%，速度翻倍。

第二，MTP——多 token 预测——传统模型一次预测下一个词，V3 一次预测未来 2 个词。训练时效率更高，推理时还能用来做自我猜测加速。

2025 年 1 月，DeepSeek 发了一篇论文，让整个 AI 圈炸了。

标题很平淡：用强化学习激发大模型的推理能力。但内容很炸裂。他们做了一个实验：给 V3 的基础模型一堆数学题，然后说——你做吧，做对给分，做错扣分。但我不教你怎么想。

这就是 R1-Zero——纯强化学习，没有任何人类数据。训练过程中，发生了一件神奇的事：模型开始对自己说 wait。

这就是那个著名的 Aha Moment。机器人学会反思了。

2026 年 4 月，DeepSeek 发布了 V4。这一次，他们解决的是 LLM 最顽固的问题——上下文窗口。

大多数模型读到 5000 字以后，就开始忘记前面说了什么。这不是模型不聪明，是注意力机制的二次复杂度——你给模型读 10 倍的文字，它要多花 100 倍的计算。

V4 的思路不是把注意力做得更强，而是放弃一个注意力搞定所有的想法。他们用了三套不同的注意力机制，各司其职。

另外还有一个结构性的改进——mHC，就是我们之前说的那个路由器故事。不让信号随意放大，确保每一层的信息传递是稳定的。效果：信号只放大 1.6 倍（不是 3000 倍），模型训练再也不崩了。

2026 年 7 月 15 日，DeepSeek 发布了 V4 正式版——他们管它叫满血版。

同一天，他们宣布了一个全行业都没见过的新模式：峰谷计价。

你可能觉得，这不就是涨价吗？但 DeepSeek 的逻辑不是涨价，而是算电协同。

GPU 集群跑起来，最大的成本不是显卡，是电。白天大家上班都在用，算力堵车，GPU 满负荷转，电费最贵。到了半夜，大多数人不调 API 了，集群空闲，电也便宜了。DeepSeek 的逻辑很简单：谁在高峰期占算力，谁多付钱。谁在低谷期用，谁享受优惠。

这意味着什么？DeepSeek 正在从一个"科技公司的 AI 模型"，变成一个像水、电、网络一样的基础设施。你不需要想"今天该不该用 AI"，而是想"现在是峰时还是谷时"——就像你想洗衣服之前会看一眼电价时段一样。

与此同时，DeepSeek 还补上了最后一块拼图——多模态视觉能力。V4 现在能看懂图片了：识别物体、读取图表、分析截图、提取文档文字。他们用了一个叫 Visual Primitives 的技术，模型在思考时会直接标出物体的坐标，就像用手指指着说"看这里"，而不是费力地用文字描述。

而且还在继续进化。V4.1 已经在灰度测试，新增了音频输入和 MCP 协议支持。DeepSeek 正在从纯文本模型，变成一个能看、能听、能调工具的完整平台。Web 和 App 上这些视觉功能全部免费，不需要任何订阅。

两年时间，从 V1 到 V4。DeepSeek 没有哪一项技术是天降神兵。MoE 不是他们发明的，注意力不是他们发明的，强化学习不是他们发明的。

但他们在每个关键节点上，都做对了选择：

每一个选择，在当时看起来都像铤而走险。但放在一起，它们拼出了一条完整的路。

这就叫系统级的创新——不是靠一个天才想法，而是靠一系列正确的工程决策累加起来。

这，就是 DeepSeek 的故事。