图 1 ： DeepSeek 三年视觉演化——鲸鱼一直是那只鲸鱼，但鲸鱼背后的模型已经换了五代

一、先把话说在前面

最近这几年，我陆陆续续写过不少关于中国科技公司的文章。华为、中芯国际、比亚迪、宁德时代、大疆，每一家都有自己的故事。今天我想聊的这一家，相对年轻很多，但我个人认为，它在过去三年里所完成的爬坡，是中国科技产业里非常值得认真记一笔的事情。

这家公司就是 DeepSeek。

可能很多人对 DeepSeek 的印象，还停留在 2025 年 1 月那一波 "DeepSeek 出圈"。当时 DeepSeek-R1 在 1 月 20 日发布，紧接着 App Store 登顶、海外社交媒体刷屏，到 1 月 27 日整个西方资本市场连锁反应，纳斯达克和英伟达单日大跌。整个西方 AI 行业才突然意识到：原来一家中国公司，也可以做出能跟 OpenAI o1 直接对标的推理模型，而且权重和论文全部开源， MIT 协议，允许蒸馏，允许商用。

但如果你只看那一个时刻，其实是严重低估了这家公司的份量。

为了写这篇文章，我前后花了几天时间，把 DeepSeek 从 2023 年 11 月第一次公开发布到 2026 年 4 月最新发布的所有主要版本——DeepSeek LLM 、 V2 、 V2.5 、 V3 、 R1 、 V3.1 、 V3.2-Exp 、 V3.2 、 V4-Pro 、 V4-Flash——对应的官方公告、 GitHub 仓库、 HuggingFace 模型卡、 arXiv 论文一一翻了一遍。

翻完之后，我有一个非常直接的感受：

DeepSeek 不是某一次"爆冷出圈"的偶然，而是一家中国公司用三年时间，一步一个脚印爬出来的。

接下来这篇文章，我就尽可能用第一手数据，把这条路给你讲清楚。文章会长一点，请你耐心。

---

二、先看一组让我个人很惊讶的数字

老规矩，我们先把数字摆出来。

DeepSeek 最早公开发布的模型，是 2023 年 11 月 29 日 的 DeepSeek LLM 7B / 67B 系列。当时它的规格是这样的：

总参数：7B 和 67B（ dense ）

上下文长度：4K

训练数据：2T tokens

架构：标准 dense Transformer

放在 2023 年底的开源大模型圈子里，这是一个完全合格、但并不出众的水平。同期的 LLaMA-2 70B 、 Mistral 7B 、 Qwen 7B/14B 大家都在这个区间里你追我赶。

我们再看一下 2026 年 4 月 24 日 上线的 DeepSeek-V4-Pro ：

总参数：1.6T（也就是 1 万 6 千亿）

激活参数：49B

上下文长度：1M

训练 tokens ：>32T

架构： MoE + MLA + DSA + Hybrid Attention （ CSA + HCA ） + mHC + Muon 优化器

我们做一个简单的对比：

指标	DeepSeek LLM 67B	DeepSeek-V4-Pro	增长倍数
总参数	67B	1.6T	约 24 倍
激活参数（用户实际承担）	67B （ dense 全激活）	49B	0.73 倍（更小！）
上下文长度	4K	1M	256 倍
训练 tokens	2T	>32T	超过 16 倍

请你重点看激活参数那一行。

什么意思呢？意思是用户每次跑这个模型，实际"喂进 GPU"参与计算的参数量，只有 49B。

而第一代 DeepSeek LLM 是 dense 67B ，每跑一次推理，那 67B 都得整个激活一次。

把这两个数字放在一起，我得出一个很直接的结论：

三年里， DeepSeek 模型容量扩张了 24 倍，但用户每次推理实际承担的计算成本，反而比第一代还要略小一点。

图 2 ： DeepSeek LLM 67B → V4-Pro 五个关键指标的三年变化

这件事，我必须说，是非常了不起的工程成就。我个人认为，它比"参数做到了 1.6T"这件事本身，重要十倍。

为什么呢？因为它直接说明了一个东西：

DeepSeek 走的从来不是"暴力堆参数、暴力烧算力"的路线。它走的是一条"在不让用户多花钱的前提下，把模型能力一点一点往上推"的路线。

而这件事，对中国 AI 产业、对全球开源大模型生态、对所有正在被算力卡脖子的国家，都有非常实际的意义。

下面我们一段一段往下讲。

---

三、第一阶段（ 2023.11 → 2024.05 ）：从 dense 67B 到 V2 ， DeepSeek 找到了自己的方法论

2023 年 11 月 29 日， DeepSeek LLM 67B 系列在 GitHub 上开源。模型卡上写得很朴素：

7B 和 67B 两个规格

base 和 chat 两种版本

2T tokens 训练

4K 上下文

商业可用

当时这家公司还叫不上名字。论文挂上 arXiv 之后，业内的反应大致是："还行，性能能打 LLaMA-2 70B ，做得挺扎实，但不算开创性。"

事实上，这一代模型在后来 V2 的官方材料里，被回溯式地标注为 "DeepSeek-V1 （ Dense-67B ）"。也就是说， DeepSeek 自己也认为，那一代是它的 V0/V1 阶段——是"我能做模型"的证明，不是"我有方法论"的证明。

真正让 DeepSeek 从"一家做得不错的开源公司"变成"值得重点观察的中国新势力"的，是 2024 年 5 月 6 日发布的 DeepSeek-V2。

V2 的官方规格是这样的：

总参数 236B ，激活参数 21B

上下文 128K

训练数据 8.1T tokens

架构 DeepSeekMoE + MLA （ Multi-head Latent Attention ）

我们做几个对比：

总参数： 67B → 236B ，约 3.5 倍

激活参数： 67B → 21B，反而下降到原来的 1/3

上下文： 4K → 128K ，32 倍

训练 tokens ： 2T → 8.1T ，约 4 倍

注意，这里出现了一个非常关键的转折：

总参数翻了 3.5 倍，但激活参数从 67B 降到了 21B 。也就是说，模型容量大了，但用户实际承担的计算成本反而小了。

这一点，是 DeepSeek 第一次表现出和主流 dense 路线完全不同的取舍。

更重要的是， V2 的官方论文里给出了几个非常硬的数字：

相比 DeepSeek 67B ，训练成本节省 42.5%

KV 缓存减少 93.3%

最大生成吞吐提升到 5.76 倍

这些数字背后，是一整套以 MLA （多头潜在注意力）+ DeepSeekMoE 为核心的架构选择。

我多说一句，因为我觉得这一点国内媒体讲得不够清楚：

MLA 这个东西，是 DeepSeek 第一次在国际开源大模型架构层做出的真正原创性贡献。 它不是在 LLaMA 上改改、在 Mistral 上调调，而是 DeepSeek 自己提出来的注意力机制改造方案，目的是把 KV 缓存的成本压下去。后来你能看到，整个开源圈陆陆续续都在借鉴 MLA 思路，包括很多做长上下文方向的中外团队。

也就是说，从 V2 这一代开始， DeepSeek 已经不只是"用别人的方法做开源模型"，而是开始"提出自己的方法、被别人引用"。

这是中国 AI 公司在大模型时代第一次真正进入"被引用方"的阵营。

我个人认为， 2024 年 5 月 6 日，是 DeepSeek 整个发展史上最重要的一天，没有之一。

---

四、第二阶段（ 2024.09 → 2024.12 ）： V2.5 和 V3 ， DeepSeek 站上世界前沿

很多人对 DeepSeek 真正的关注，是从 V3 开始的。但实际上中间还有一个非常关键的过渡版本——V2.5。

2024 年 9 月 5 日， DeepSeek 发布 V2.5 。这个版本看起来像是常规升级，但意义其实很大。它是把：

DeepSeek-V2-0628 （通用对话版）

DeepSeek-Coder-V2-0724 （编码版）

这两个原本独立的产品线，合并成了一个统一的主力模型。这意味着 DeepSeek 在 2024 年下半年，就已经看明白了一件事：

未来用户需要的不是"一个聊天强、一个写代码强"两个模型，而是一个能同时承担对话、编码、 function calling 、 JSON 输出、结构化任务的统一模型。

这一点判断，我现在回头看，跟 OpenAI 后来 GPT-4o → GPT-5 把全部能力收敛到一个统一模型的方向，是高度一致的。

也就是说，DeepSeek 在 2024 年 9 月就开始做统一主力模型的产品判断，比 OpenAI 公开走这条路要早差不多一年。

到了 2024 年 12 月 26 日， DeepSeek 发布 V3。这一代直接把规格拉到了一个新台阶：

总参数 671B

激活参数 37B

训练 tokens 14.8T

上下文 128K

架构延续 MLA + DeepSeekMoE ，新增 auxiliary-loss-free load balancing 和 multi-token prediction

我们再做一个对比：

总参数： 236B → 671B ，约 2.85 倍

激活参数： 21B → 37B ，约 1.76 倍

训练 tokens ： 8.1T → 14.8T ，约 1.83 倍

请注意这三个比例：总参数大概翻了三倍，但激活参数和训练 tokens 都只翻了不到两倍。

这说明什么？说明 DeepSeek 在 V2 → V3 这一步，仍然在坚持"模型容量可以涨，但用户感知的成本要慢慢涨"的取舍。

V3 的官方公告里写了一个数字，我特别想拿出来讲一下："3 倍快于 V2"。

为什么我特别想强调这个数字？因为它说明了一个反直觉的事情：

V3 的总参数是 V2 的 2.85 倍，但单 token 推理速度反而比 V2 快了 3 倍。

这在当时整个开源大模型圈里，是几乎没有先例的。同期 LLaMA 、 Mistral 这些模型，都是参数越大、推理越慢、部署越难。 DeepSeek 偏偏走出了一条 "模型更大，反而推理更快" 的路线。

到这一步， DeepSeek 才算真正站上了世界开源前沿。后来美国知名 AI 评测机构、风投圈、 SemiAnalysis 这种深度技术媒体，开始大量讨论 DeepSeek-V3 。我记得当时 SemiAnalysis 出了一篇长报告，把 V3 的训练成本、推理成本、技术取舍拆得很细，结论大致是："这是迄今为止最好的开源模型，没有之一。"

注意，这是西方 AI 行业第一次给一家中国公司这种评价。

---

五、第三阶段（ 2025.01 ）： R1 出圈， DeepSeek 让全世界第一次正眼看中国 AI

2025 年 1 月 20 日， DeepSeek 发布 R1。

我相信很多读者对 DeepSeek 的认识，就是从这一天开始的。

R1 这件事，我必须用比较长的篇幅来讲，因为它的意义远远超出了一个模型发布本身。

先说技术。 R1 的官方信息是这样的：

基于 DeepSeek-V3-Base 构建

通过 大规模强化学习（ RL ）后训练

性能对标 OpenAI-o1

模型权重和代码以 MIT License 开源

明确允许蒸馏，明确允许商业使用

那个时候 OpenAI 的 o1 是什么状态呢？

2024 年 9 月 12 日： OpenAI 推出 o1-preview / o1-mini ，正式把推理模型作为一条独立产品线

2024 年 12 月 17 日： o1 走向 API 生产化部署

完全闭源

完全不开放思维链

价格非常贵（ input $15 / output $60 per million tokens ）

也就是说， OpenAI 把推理模型这条路线立起来才四个月， DeepSeek 就拿出了一个性能对标、完全开源、允许蒸馏、允许商用的版本。

这件事在西方 AI 圈引发的反应有多大，我们做几个客观陈述：

1.

2025 年 1 月 27 日：纳斯达克因为 DeepSeek-R1 的冲击单日大跌，英伟达单日市值蒸发约 5890 亿美元，是当时美股历史上单日最大市值损失。

2.

2025 年 1 月底： DeepSeek-R1 在 OpenRouter 、 Together AI 、 Fireworks 等推理服务平台上的调用量暴增。 Hugging Face 上 R1 系列模型在一周内被下载超过百万次。

3.

2025 年 1 月 31 日： Sam Altman 在 Reddit AMA 上公开承认 "OpenAI 在开源这件事上站在了错误的一边"（原话："I personally think we have been on the wrong side of history here and need to figure out a different open source strategy"）。 Anthropic CEO Dario Amodei 专门发表长文《 On DeepSeek and Export Controls 》回应。 R1 也成为美国新一轮对华 AI 政策辩论中被反复提及的标志性事件。

4.

西方主流媒体（《纽约时报》《华尔街日报》《经济学人》《彭博》）头版连续几天讨论 DeepSeek 。

我个人观察，这是中国 AI 公司第一次在西方主流舆论场里成为"被参照对象"，而不是"追赶对象"。

但是！请注意一个非常重要的点。

R1 的真正意义，不在于它"打败了"o1 （事实上严格意义上 R1 在某些 benchmark 上略弱于 o1 ，在另一些上略强于 o1 ，整体大致平手）。

R1 的真正意义在于：

它把"前沿推理能力 + 完全开源 + 允许蒸馏"这三件事，第一次在同一个模型上同时做到了。

这等于直接告诉全世界：闭源公司能做到的事情，开源也能做到；美国公司能做到的事情，中国公司也能做到；而且我做完之后还把权重免费给所有人用。

我个人认为，2025 年 1 月 20 日，是过去十年里中国 AI 行业最重要的一天。 它的意义大于阿尔法狗赢李世石，大于 GPT-3.5 出圈，大于任何一次单独的"中国 AI 进展"新闻。

因为它第一次让全世界意识到：在 AI 这条赛道上，中国不是"会不会赶上"的问题，而是"已经平起平坐"的问题。

---

六、第四阶段（ 2025.08 → 2025.12 ）： V3.1 和 V3.2 ， DeepSeek 默默进入了 Agent 时代

R1 之后， DeepSeek 进入了一个外界看起来"安静下来"的阶段。

但事实是，从 2025 年 8 月 到 2025 年 12 月 这四个月里， DeepSeek 完成了三件非常硬的工作：

第一件事： V3.1 （ 2025 年 8 月 21 日）

把 Think 模式 和 Non-Think 模式 直接整合进同一个模型。

也就是说，用户不再需要在"快速回答的聊天模型"和"深度思考的推理模型"之间切来切去，同一个模型可以根据任务自动选择是否进入深度思考状态。

这一点， OpenAI 是在 2025 年 8 月 7 日 的 GPT-5 上才公开实现的。 DeepSeek 仅仅 14 天后就拿出了开源版本。

第二件事： V3.2-Exp （ 2025 年 9 月 29 日）

引入 DeepSeek Sparse Attention （ DSA ）。

这个技术的意义是：长上下文的推理成本进一步下降。官方公告里写得很直白——"性能与 V3.1-Terminus 持平，但 API 价格直接下降 50% 以上"。

我必须强调一下：在西方大公司还在不断涨价的 2025 年下半年， DeepSeek 做了一次直接打 5 折的开源版本。

这种节奏，是中国制造业出海最熟悉的打法——性能不输你，价格只有你一半，权重还免费给你。

第三件事： V3.2 正式版（ 2025 年 12 月 1 日）

官方公告里有一句话，我看到的时候停顿了很久：

"This is the first DeepSeek model that integrates thinking directly into tool-use."

（这是 DeepSeek 第一个将思维直接整合进工具调用的模型。）

这句话翻译成产业语言就是：DeepSeek 第一次正式做出了一个"会一边思考、一边主动调工具去完成任务"的模型。

这就是过去一年大家一直在讨论的 Agent （智能体）。

到这一步， DeepSeek 的产品形态已经不再是"一个聊天机器人"，而是 "一个会自己安排步骤、调用工具、解决问题的数字工作者"。

这一点，恰好和 Anthropic Claude Sonnet 4.5 、 OpenAI GPT-5 的方向高度一致。也就是说：

从 2025 年 12 月开始， DeepSeek 已经和 OpenAI 、 Anthropic 站在了同一条主战场上——agentic AI 。

而且全部开源。

---

七、第五阶段（ 2026.04 ）： V4 双旗舰， DeepSeek 完成体系化

2026 年 4 月 24 日， DeepSeek 上线了 V4 Preview，分成两个版本：

版本	总参数	激活参数	上下文	定位
DeepSeek-V4-Pro	1.6T	49B	1M	上限旗舰
DeepSeek-V4-Flash	284B	13B	1M	高效主力

这一代有三个非常关键的变化，我必须分开讲。

变化一： DeepSeek 从"单一旗舰"走向"分层旗舰"

这一点非常重要。过去 DeepSeek 都是一次发布一个最强版本，大家用就是了。但 V4 这一代， DeepSeek 第一次同时发布了两个旗舰：

V4-Pro：把上限往上推，对标西方最贵闭源模型

V4-Flash：把成本往下压，对应高频、低预算、大规模部署场景

这个分层逻辑，跟 Anthropic 的 Opus + Sonnet 、 OpenAI 的 GPT-5 + GPT-5 mini 是一个思路。

也就是说，DeepSeek 已经具备了一个成熟旗舰公司的产品体系结构。

变化二： 1M 上下文，从"卖点"变成"标配"

V4 这一代官方原话是："1M context is now the default."

请你品一下这句话。

过去几年， 1M 上下文几乎是 GPT-4.1 、 Gemini 1.5/2.0/3.0 、 Claude 这些闭源顶级模型的特权。开源模型最多做到 128K 、 256K ，能跑到 1M 的少之又少。

DeepSeek 这一句话的潜台词是：长上下文不再是顶级闭源模型的特权，而是开源旗舰的标准配置。

这件事的意义，远远不止"长一点"那么简单。它意味着任何一家中国公司、任何一家发展中国家的公司、任何一所大学的实验室，都可以以接近零成本拿到一个 1M 上下文的旗舰模型。

这对全球 AI 产业的"准入门槛"，是一次实打实的拉低。

变化三：扩张方式仍然非常克制

我们再看一下 V4 相对 V3 的扩张比例：

总参数： 671B → 1.6T ，约 2.4 倍

激活参数： 37B → 49B ，约 1.32 倍

训练 tokens ： 14.8T → 32T+，约 2.16 倍

请注意中间那一行：激活参数只涨了 1.32 倍。

也就是说， DeepSeek 在 V4 这一代，总参数翻了 2.4 倍，但用户实际推理时承担的计算量只多了 1.32 倍。

这种"克制"，从 V2 一直延续到 V4 ，没有一代例外。

这就是我在文章一开始说的那个核心判断：

DeepSeek 走的从来不是"暴力堆参数"的路线，而是一条"模型容量可以涨，但用户感知成本不能涨太快"的路线。

把前面讲的所有版本拉到同一条时间线上看，会非常直观：

图 3 ： DeepSeek 模型版本演化主线（ 2023.11 → 2026.04 ）—— 三年时间， 10+ 个版本，参数与能力双线推进

这张图我特别想强调的是：从 V3 到 V3.2 ，整整十一个月， 671B / 37B 的规模没有再变。但在这十一个月里， DeepSeek 把 R1 的推理能力、 V3.1 的 Think/Non-Think 双模式、 V3.2-Exp 的 DSA 稀疏注意力、 V3.2 的 thinking + tool-use 全部上了线。

这种"参数不动、能力一直长"的节奏，是中国制造业最熟悉的味道——不靠一次性的大动作惊艳全场，而是靠每两三个月一次的扎实迭代，把对手慢慢拉开。

---

八、把 DeepSeek 放到全球大模型版图里看

写到这里，我想做一组对比，把 DeepSeek 同时期的全球主要玩家放在一起看。

第一组对比： OpenAI

OpenAI 这两年的产品演化路径大致是：

2024.05.13： GPT-4o （多模态旗舰）

2024.07.18： GPT-4o mini

2024.09.12： o1-preview / o1-mini （推理模型独立成线）

2024.12.17： o1 API 生产化

2025.02.27： GPT-4.5

2025.04.14： GPT-4.1 （强调 coding + tool use + 1M context ）

2025.08.07： GPT-5 （统一路由系统）

2026.04.23： GPT-5.5 （强调真实工作场景的稳定执行）

这是一条非常典型的闭源旗舰路线：每一代都更强、更贵、更封闭、更产品化。

第二组对比： Anthropic

Anthropic 走的是另一条路——把 Sonnet 这个中档模型做成大多数人的默认主力：

2024.10.22： Claude 3.5 Sonnet 升级 + computer use

2025.05.22： Claude Sonnet 4 发布

2025.08.12： Sonnet 4 开放 1M context

2025.09.29： Claude Sonnet 4.5 （最强 coding/agent/computer use ）

2026.02.05： Claude Opus 4.6

2026.02.16： Claude Sonnet 4.6 成为 Free / Pro 默认模型

Anthropic 的核心打法是："旗舰能力，中档价格，默认主力。"

第三组对比： Meta Llama

Meta 在这场竞赛里其实并没有掉队，相反节奏很密集：

2024.04.18： Llama 3

2024.07.23： Llama 3.1

2024.09.25： Llama 3.2

2024.12.06： Llama 3.3 70B

2025.04.05： Llama 4 （原生多模态 + MoE ， Scout 17B/109B/10M context ， Maverick 17B/400B/1M context ）

但是说实话， Meta 这两年最大的问题不是技术，而是叙事中心地位的丢失。

过去开源大模型圈言必称 Llama ，现在言必称 DeepSeek 。这种叙事中心的迁移，本身就是中国 AI 产业崛起的一个非常重要的信号。

把这几条线放一起看

如果你把 OpenAI 、 Anthropic 、 Meta 、 DeepSeek 这四条线放一张时间轴上，会发现一个非常有意思的现象：

2024 年的开源大模型叙事中心还是 Meta Llama ， 2025 年逐渐转向了 DeepSeek ， 2026 年已经基本完全在 DeepSeek 这边。

这是一次发生在三年之内的"开源大模型话语权转移"。

而这一次转移，第一次让中国公司站在了开源叙事的中心位置。

这件事，我个人认为是过去十年中国科技产业最重要的几个事件之一。值得用很长的篇幅来记一笔。

---

九、为什么我说 DeepSeek 的故事，是一个非常"中国"的故事

写到这里，我想讲一下我个人对 DeepSeek 这条路线的几个判断。

第一， DeepSeek 是被"算力受限"逼出来的工程美学

这一点必须讲清楚。

过去几年，美国对中国半导体行业的管制是越来越严的：

2022 年 10 月：禁止向中国出口 A100 、 H100

2023 年 10 月：堵住 A800 、 H800 这些"特供版"

2024 年：进一步限制 HBM 、先进封装、 EDA 工具

2025 年：把 H20 也纳入限制范围

也就是说， DeepSeek 从成立第一天起，就是在一个"算力被持续卡脖子"的环境里做大模型。

OpenAI 可以用十万张 H100 集群训 GPT-5 ， DeepSeek 就用不了。

那怎么办？

DeepSeek 给出的答案是：既然我没法跟你比"暴力规模"，那我就在架构、在算法、在训练效率、在推理效率上把每一分算力都榨干。

这就是 V2 的 MLA 、 V3 的 MTP + 无辅助损失负载均衡、 V3.2 的 DSA 、 V4 的 Hybrid Attention 这些技术决策的真正背景。

我们再看一下数字：

DeepSeek-V3 的训练成本：约 557.6 万美元（按 H800 GPU 小时计算， 2048 张 H800 ， 278.8 万 GPU 小时，每小时约 2 美元，这是官方论文里直接写的数字）

据 SemiAnalysis 等机构估算， OpenAI GPT-4 当年训练成本约 6300 万美元 量级

也就是说，DeepSeek-V3 用了 GPT-4 大约 1/10 的训练成本，做出了一个性能基本对标甚至部分超越 GPT-4 的开源模型。

这里我必须补一句很重要的话：557.6 万美元只是"最后一次成功训练"的成本，不包含前期研究、架构试错、数据清洗、人员工资这些"隐形大头"。如果把所有研发成本都摊进来， DeepSeek 真实的累计投入肯定是这个数字的几十倍以上。但即便如此，相对于 OpenAI 、 Anthropic 那种"一年烧几十亿美元"的研发节奏， DeepSeek 的成本控制还是非常惊人的。

这就是中国制造业最熟悉的逻辑：性能不输你，成本只有你的零头。

第二， DeepSeek 的开源策略是有战略层面思考的

这一点也很重要。

DeepSeek 几乎所有主力模型都是 MIT License 开源，明确允许蒸馏、允许商用、允许二次微调。这在西方主要大模型公司里是非常少见的。

为什么 DeepSeek 要这么开放？

我个人的判断有三层：

1.

拉低全球准入门槛。一旦顶级开源模型免费可用，西方闭源公司的"高价护城河"就会被持续侵蚀。

2.

建立全球开发者生态。今天全球有几十万开发者在 DeepSeek 模型上做微调、做蒸馏、做应用，这是一个庞大的、不需要支付招聘成本的"分布式研发网络"。

3.

绕开地缘政治封锁。模型权重一旦开源放上 HuggingFace ，美国政府想要"封禁"基本是不可能的。这是一种非常聪明的战略对冲。

第三， DeepSeek 的节奏感，是中国制造业最擅长的"持续迭代"

我最后再讲一点，是我从写制造业文章里学到的：

中国产业最大的护城河，从来不是某一次的"奇袭"，而是"持续迭代"的能力。

华为是这样，比亚迪是这样，宁德时代是这样， DeepSeek 也是这样。

我们看一下 DeepSeek 三年里的发布节奏：

2023.11 ： DeepSeek LLM

2024.05 ： V2

2024.09 ： V2.5

2024.12 ： V2.5-1210 + V3

2025.01 ： R1

2025.03 ： V3-0324

2025.05 ： R1-0528

2025.08 ： V3.1

2025.09 ： V3.1-Terminus + V3.2-Exp

2025.12 ： V3.2 + V3.2-Speciale

2026.04 ： V4-Pro + V4-Flash

平均下来，DeepSeek 大概每两到三个月就会发一次主要更新。这种密度，全球 AI 公司里只有 OpenAI 和 Anthropic 能比。

而且这些更新，没有任何一次是"为了发布而发布"的水货。每一次都对应着明确的能力突破或成本下降。

这就是中国制造业的味道——慢一点没关系，但每一步都要踩实，每一代都要有提升，没有水版本。

---

十、对中国 AI 产业意味着什么？

写到这里，我想把视角从 DeepSeek 这一家公司，扩大到整个中国 AI 产业。

DeepSeek 不是孤例。我们来看一下 2026 年这个时间点上，中国大模型行业的真实格局——这一点很多自媒体没有讲清楚，我尽量讲准确。

还在基座大模型主赛道上的，主要是这几家：

DeepSeek：本文主角，开源旗舰路线， V4-Pro / V4-Flash 双旗舰

阿里通义 Qwen 系列：覆盖从 0.5B 到几百 B 的全尺寸开源。在 HuggingFace 全时累计下载榜上，Qwen3-VL-2B-Instruct 是排名第 2 的开源模型，累计下载约 1.87 亿次（仅次于 sentence-transformers 这种基础工具类模型）；最新的 Qwen3.6-35B-A3B 单月下载量超过 250 万次。整个 Qwen 系列在 HF Trending 榜上常年以多个尺寸版本同时在线

月之暗面 Kimi： K2 系列以 460 万美元训练成本创下行业新纪录， K2.5 已采用原生多模态架构， 2026 年正在筹备港股 IPO

智谱 GLM 系列：2026 年 1 月 8 日已在港交所上市，募资约 43 亿港元，成为国内首家上市的独立大模型公司

MiniMax：2026 年 1 月 9 日紧随其后登陆港交所主板，首日大涨 109%，市值一度突破 1000 亿港元

而曾经的"大模型六小龙"里，已经有几家主动收缩或转型：

百川智能：从通用大模型赛道收缩到 AI 医疗垂直领域，员工从 500 人砍到 200 人以下，新发布的 Baichuan-M3 医疗大模型在 HealthBench 全球评测里拿到第一

零一万物：李开复在 2025 年初公开承认"只有大厂能烧超大模型"，把预训练团队整体并入阿里通义，自己转向小参数模型 + 应用层

这一点，我必须客观地说一下我的看法：

行业里曾经一度认为"大模型六小龙"是中国 AI 的希望。但事实证明，基座大模型这条路，比大家想象的要残酷得多。 它本质上是一个"算力 + 数据 + 工程团队 + 长期亏损"的资本游戏，绝大多数初创公司都跑不下去。

百川和零一的退出，不是失败，而是理性选择——他们意识到自己在大模型基座上拼不过 DeepSeek 、阿里、字节，于是要么转向垂直领域（百川转 AI 医疗），要么主动让出基座研发交给大厂（零一并入阿里）。

这反过来也说明了 DeepSeek 的不易——它是为数不多扛住了这种"基座大模型烧钱内卷"的中国民营公司。背后那家叫"幻方量化"的母公司，用量化交易赚来的钱在硬扛，这是 DeepSeek 能跑下去的一个关键背景。

也就是说， 2024-2026 这三年，中国并不是只有一家 DeepSeek 能打，而是已经形成了一个相对收敛、但依然非常有竞争力的"中国大模型梯队"： DeepSeek + 阿里 + 字节豆包 + Kimi + 智谱 + MiniMax ，加上百度文心、腾讯混元、华为盘古等大厂自研模型。

这是非常关键的产业现象。它说明：

1.

中国在大模型这条赛道上，已经形成了完整的人才梯队和技术积累。

2.

中国大模型公司已经不再依赖一两个明星科学家，而是有了体系化的工程能力。

3.

中国开源模型已经在全球 HuggingFace 榜单上占据了头部位置。这一条我专门去 HuggingFace 实际查了一遍，把数据贴出来给你看：

HF Trending 榜（实时热度）当前 Top 30 里，中国团队的模型大致情况：

DeepSeek-V4-Pro 高居 Trending 榜第 1 位（ 862B ，单周下载 45.7 万次）

DeepSeek-V4-Flash 排在前 10 （ 158B ，单周下载约 41 万次）

Qwen3.6-27B 、 Qwen3.6-35B-A3B 等多个 Qwen 官方版本在榜（其中 35B-A3B 月下载 258 万次， 27B 月下载 120 万次）

由 unsloth 、 z-lab 、 HauhauCS 等社区团队基于 Qwen3.6 做的 GGUF/DFlash/Uncensored 衍生版本，在 Trending 榜上又占了好几个席位

Kimi-K2.6（月之暗面， 1.1T 参数，单周 75.6 万次下载）

小米 MiMo-V2.5-Pro 和 MiMo-V2.5（ 1T 和 311B 两个版本同时在榜）

商汤 SenseNova-U1、蚂蚁百灵 Ling-2.6-flash 和 Ling-2.6-1T、腾讯 AngelSlim 等

合计算下来，Trending 前 30 里有大约 14-15 个席位是中国团队的开源模型，占比接近一半。剩下的位置主要被 Google Gemma-4 、 Mistral 、 NVIDIA Nemotron 、 IBM Granite 、 OpenAI （一个安全工具）等瓜分。

这个数据，三年前是完全不可想象的——那时候 Trending 榜几乎全是 Meta Llama 、 Mistral 、 Stability AI 、 Falcon 这些西方团队的模型。

这就是过去三年里，悄悄发生的一场全球 AI 力量再分配。

---

十一、写在最后

文章写到这里，已经接近 6000 字。我做一个简单的收尾。

我想说，DeepSeek 的故事，本质上不是一个"AI 公司逆袭"的故事，而是一个非常中国式的产业故事：

一开始没人看好（ DeepSeek LLM 那一代基本无人问津）

在算力被卡脖子的环境里坚持做事（ V2 → V3 → R1 全程都是 H800/H20 阶段）

用工程效率和成本控制弥补硬件劣势（ MLA 、 MoE 、 DSA 、 Hybrid Attention 全是冲着省算力去的）

一步一个脚印，没有水版本（三年发了 10+ 个有意义的版本）

不计代价地开源，让全球开发者跟你站在一起（ MIT License + 允许蒸馏）

直到某一天，全世界突然发现，原来你已经走到了第一阵营（ R1 出圈那一刻）

这条路，是不是听起来很熟悉？

是的，这就是华为做 5G 的路，是比亚迪做电动车的路，是宁德时代做动力电池的路，是大疆做无人机的路。

这是中国制造业过去三十年走过的同一条路，只不过这次走在大模型赛道上。

我个人非常乐观地相信， DeepSeek 的故事，只是中国 AI 产业全面崛起的一个开始，而不是高潮。

接下来五年，我相信会看到：

1.

中国大模型公司在全球开源榜单上长期占据头部位置

2.

中国 AI 应用层全面爆发，覆盖编程、办公、教育、医疗、制造、政务、科研

3.

中国 AI 芯片（华为昇腾、寒武纪、壁仞、燧原、摩尔线程）逐步替代英伟达，形成完整的国产 AI 算力体系

4.

中国 AI 模型 + 中国 AI 芯片 + 中国 AI 应用形成完整闭环，构成一个不依赖美国、且对全球开发者开放的"第二套 AI 体系"

这就是我从 DeepSeek 这一家公司身上，看到的更大的图景。

我之前说过一句话，今天再说一遍：

中国科技产业的崛起，从来不是靠某一次出圈，而是靠一群在算力被卡、市场被压、舆论被唱衰的环境里，依然每天踏踏实实写代码、训模型、跑实验、迭代版本的中国人。

DeepSeek 只是其中一家。

后面还会有更多。 最后感谢 app.infinisynapse.com  的助力，没有它，就没有这篇文章。

---

参考资料

本文所有 DeepSeek 模型的参数、发布日期、训练数据、架构信息，全部基于以下一手官方信源：

DeepSeek 官方公告： https://api-docs.deepseek.com/news

DeepSeek GitHub 组织： https://github.com/deepseek-ai

DeepSeek HuggingFace 主页： https://huggingface.co/deepseek-ai

DeepSeek-V2 论文： https://arxiv.org/abs/2405.04434

DeepSeek-V3 论文： https://arxiv.org/abs/2412.19437

DeepSeek-R1 论文： https://arxiv.org/abs/2501.12948

DeepSeek-V4 Preview 公告： https://api-docs.deepseek.com/news/news260424

对照公司：

OpenAI 官方： https://openai.com/news

Anthropic 官方： https://www.anthropic.com/news

Meta Llama 模型卡： https://github.com/meta-llama

文中训练成本相关数字，参考自 SemiAnalysis 公开报告与各公司官方披露。如有出入，以官方为准。