DeepSeek再度发力，竟然要超越Claude和GPT，让我们一起见证这场全球震撼！

这篇文章来自微信公众号：字母AI，作者是苗正，编辑王靖，插图是AI生成的。

到了2025年7月，DeepSeek的下载量竟然从之前的超过8000万骤降至2000多万，降幅高达72.2%，这个“DeepSeek跌落神坛”的事件瞬间成了热议话题。

不过，多位内部人士透露，DeepSeek即将东山再起！他们计划在2026年2月中旬推出新一代模型DeepSeek-V4。

这正好是在农历新年期间，距离前一代模型DeepSeek-R1发布整整一年。

这次发布的重点在于代码生成和处理能力的提升。

根据DeepSeek内部的基准测试，V4在编程任务中的表现已经超越了市场上的一些主流竞争对手，如Anthropic的Claude和OpenAI的GPT系列。

有消息称，新模型将解决许多长期以来困扰AI发展的技术瓶颈，可能会彻底改写Vibe Coding行业的格局。

一

报道提到，DeepSeek-V4在训练过程中对数据模式的理解能力有了显著提升，且性能没有出现衰退。这句话听上去复杂，其实可以分开来理解。

前半部分意思是，模型不仅仅是死记硬背，而是能洞察数据背后的规律和逻辑。

以DeepSeek-R1为例，模型被问到“strawberry里有几个r”时，由于它当时不理解“数”这个概念，只能依赖训练时的数据来回答。然而，那个数据的答案恰恰是错的，导致DeepSeek几乎总是给出2这个错误的答案，而不是正确的3。

而DeepSeek-V4则会彻底避免这种情况，前提是模型在训练时能够全面理解相关内容。

后半句提到的性能退化，指的是在AI训练过程中，随着模型学习新知识或训练时间延长，常常会出现“新知识忘了旧知识”的现象，或者模型变得不稳定。这种情况在行业内被称为“灾难性遗忘”或“模型坍塌”。

因此，V4在不断变得更聪明、更复杂的过程中，依旧保持了极高的稳定性和原有能力的完整性，没有出现任何副作用或能力的倒退。

这恰恰是构建编程Agent的先决条件。

在现代软件工程中，一小处修改可能会影响到多个文件和成千上万行代码的依赖关系。

而以往的模型常常受到上下文窗口或注意力机制衰减的限制，无法对庞大的项目进行有效修改。

V4极有可能成为专为“Agent时代”量身打造的模型。

一年前，DeepSeek-R1的发布确实在行业内引起了很大反响。这款强调推理能力的模型证明了低成本研发路径的可行性。

然而，时至今日，人工智能行业的关注点已经发生了显著变化。单纯的文本生成或逻辑推理已不再是唯一的竞争优势，代码生成正在成为大模型能力的“试金石”。

如今的开发环境中，“Vibe Coding”已成为新趋势，这要求AI不仅能补全代码，还能理解开发者的意图流，实现从自然语言到复杂工程逻辑的无缝转化。

看起来DeepSeek已经准备在新赛道上大展拳脚了。

二

如果仔细梳理DeepSeek团队以及核心人物梁文锋在R1发布后这一年里的学术进展，会发现一条清晰且扎实的技术演进路线。

这些公开的论文和技术报告，不仅总结了过去的成就，更为V4的强大能力打下了基础。

2025年9月，DeepSeek-R1的相关论文成功登上了顶级学术期刊《Nature》的封面，通讯作者是梁文锋。

面对审稿人关于是否使用OpenAI模型进行蒸馏训练的尖锐质疑，DeepSeek团队明确否认，并首次公开了令人瞩目的低成本数据：从V3-Base训练到R1，仅花费了29.4万美元。

当然，这个成本仅指R1的后训练阶段，不包括V3-Base基础模型的约600万美元的训练投入。

数据公开后，《Nature》特意撰写社论，标志着DeepSeek在学术严谨性和技术原创性上的国际认可，彻底打破了外界对中国大模型“套壳”或“跟风”的偏见。

不过，真正能证明DeepSeek-V4在代码生成方面有显著突破的证据，是在2025年最后一天，DeepSeek团队发表的论文《mHC：流形约束超连接》。

代码生成任务对模型的逻辑深度和上下文跨度要求极高，通常需要更大规模的模型参数和更深的网络结构。

然而，传统的超连接架构在模型规模扩大时，常常会遇到严重的信号增益问题，导致训练过程极不稳定甚至崩溃。

为了解决这一根本性物理难题，DeepSeek团队在这篇论文中提出了一种全新的架构mHC。

简单来说，它为快速传输的信号加入了一道精密的阀门，将信号增益控制在1.6倍左右。

论文数据显示，在3B、9B乃至18B参数规模的模型测试中，应用了mHC架构的模型在BIG-BenchHard推理基准上提升了2.1%。

这项由梁文锋联合署名的研究成果，实际上解决了大模型在“做大”和“做复杂”过程中的稳定性难题。

这意味着V4模型极有可能采用了这种全新的架构，在拥有更多参数和更深层推理能力的同时，保持高效训练和极高稳定性。

不止如此，2026年1月初，DeepSeek悄悄将arXiV上的R1论文从22页大幅增加至86页。

新增的60多页内容详细披露了R1的完整训练流程，包括冷启动、推理导向的强化学习、拒绝采样与再微调，以及对齐导向的强化学习四个关键步骤。

业内普遍猜测，这种在春节前夕“清库存”式的技术披露，往往预示着下一代更强大技术的成熟。

既然R1的技术细节不再是核心壁垒，那么即将到来的V4必然会拥有更高的技术壁垒。

三

在2026年的元旦，来自量化界的又一股力量也加入了竞争。由九坤投资创始团队成立的至知创新研究院（IQuestResearch），发布了名为IQuest-Coder-V1的开源代码大模型。我们曾在文章《又是量化基金，第二个DeepSeek时刻到来了？》中对此作过介绍。

这个同样源于量化背景的团队，拥有40B参数的模型，在SWE-benchVerified测试中取得了81.4%的高分，达到了Claude和ChatGPT的水平。

而在Vibe Coding的竞争中，国内大厂的动作也不容小觑。

字节跳动的豆包在2025年初推出了Trae编程工具，实现了HTML预览、Python运行和完整项目生成等功能，让开发者可以在一个界面内完成从构思到部署的全流程。

阿里的通义千问在12月26日更新到了Qwen Code v0.5.0版本，最大亮点是支持在终端窗口中同时运行四个Qwen Code实例，可并行处理智能问答、实时翻译、原型设计和创意绘图等不同任务，成功实现了AI编程“跳出命令行”的突破。

不过，最引发行业震动的还是豆包在硬件终端上的突破性尝试。2025年12月1日，字节跳动与中兴通讯合作推出了搭载豆包手机助手的努比亚M153工程样机，售价3499元，首批约3万台在当天迅速售罄，甚至在二手市场炒出了高价。

这款手机助手的核心能力在于跨应用操作。用户只需用自然语言发出指令，AI就能自动跳转多个应用完成点外卖、订机票、比价购物等复杂任务。

这一系列动作背后，反映出AI大模型正在从云端走向终端，从工具走向入口的战略转型。

或许，DeepSeek的手机也在不远的将来问世。

与此同时，资本市场也迎来了大模型行业的丰收季。

在经历了“百模大战”的热潮后，中国的AI行业正快速向前推进，逐渐集中在几家顶尖企业上。智谱AI和MiniMax这两家公司的成功上市就很好地体现了这一点。

智谱在1月8日正式登陆港交所，发行价为116.2港元每股，上市首日就给市场带来了意外的惊喜。开盘时就冲到了120港元，收盘时更是达到了131.5港元，第一天就上涨了13.17%，市值一下飙升到578.9亿港元，成为了“全球大模型第一股”。

第二天的开盘价直接来到了137.2港元，收盘时则涨至158.6港元，相比首日的收盘价又增加了20.6%，市值也随之升至698.21亿港元。这样算下来，按发行价来算，短短两天内已经涨了接近37%，真是不给做空的人留机会。

而MiniMax则比智谱晚一天上市，但其表现更为抢眼。它的发行价为165港元每股，且是按最高价定的。在上市前一天的暗盘交易中，股价已经上涨了25%到29%，报205.60至212.60港元。

上市当天，MiniMax的开盘价为235.4港元，涨幅高达42.7%。之后股价一路飞涨，盘中最高触及351.8港元，最终收于345港元，较发行价暴增了109.09%，市值也达到了1054亿港元，成功加入千亿市值俱乐部。

尽管目前这两家公司都因高额的研发投入而处于亏损状态，但它们强劲的增长曲线显示出市场对高质量AI模型的付费意愿正在逐步形成。

中国的AI行业仍在不断发展，而全球的目光又一次聚焦在DeepSeek身上。这个一年前通过低成本路径颠覆行业认知的团队，将在春节期间交出新的成果。

DeepSeek能否再一次“震惊全世界”，只需再等几天就能揭晓答案。

本文来自微信公众号：字母AI，作者：苗正

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

本文来自虎嗅，原文链接：
https://www.huxiu.com/article/4825140.html?f=jinritoutiao