本文來自微信公眾號：未盡研究，作者：未盡研究，原文標題：《DeepSeek不必是救世主 | 以Agent為馬》

去年春節(jié)前夕，DeepSeek發(fā)布的R1模型震撼硅谷、牽動華爾街神經(jīng)。它為中國大模型廠商重新專注研發(fā)與訓練驗證了可行路徑，也開啟了中國開源模型陣營狂飆突進的一年。

春節(jié)已成為新一年AI領(lǐng)域的前哨戰(zhàn)。近期，Kimi、智譜、MiniMax與豆包等廠商，都趕在春節(jié)前發(fā)布了旗艦?zāi)Ｐ?。外界猜測，它們擔心若發(fā)布滯后，會在品牌形象與市場競爭中落于下風。

前沿模型“智能”水平排名

（根據(jù)ArtificialAnalysis，當前美國最強模型來自Anthropic，中國最強模型來自智譜）

如今，市場的目光聚焦于DeepSeek，期待它延續(xù)春節(jié)“英雄”的角色，甚至承擔起中國AI生態(tài)“救世主”的重任。DeepSeek該如何回應(yīng)這份期待？或者說，它必須回應(yīng)嗎？

DeepSeek確實在醞釀新動作。全新長文本模型結(jié)構(gòu)測試正在推進，支持最高100萬token上下文。這會是市場期待的DeepSeek-V4嗎？事實上，去年5月、8月、10月與12月，市場曾多次抱有類似期待，最終DeepSeek推出了DeepSeek-R1-0528、DeepSeek-V3.1、DeepSeek-V3.2-Exp與DeepSeek-V3.2。

在此期間，DeepSeek還嘗試了UE8M0 FP8、DSA、上下文光學壓縮、mHC與Engram等技術(shù)方向的探索，核心思路之一是“稀疏化”，讓“專家”“精度”“注意力”與“記憶”更具稀疏性。人們相信，即將到來的V4版本中，能看到這些改良技術(shù)的延續(xù)。

不過，市場的關(guān)注點已轉(zhuǎn)向智能體（AI Agent），更準確地說是智能體化（Agentic AI）。這一方向追求自主決策、長期任務(wù)規(guī)劃、智能體間交互及端到端執(zhí)行的新范式。Anthropic表示，AI已能完成90%的代碼編寫，下一步便是實現(xiàn)90%端到端的軟件工程（SWE）。火爆的OpenClaw讓人們意識到，在獲得足夠權(quán)限后，Agentic應(yīng)用的強大與潛在風險。

2026年的旗艦大模型，將以原生Agentic大模型為主。美國方面，Anthropic的Claude Opus 4.6與OpenAI的GPT-5.3-Codex相繼上線，尤其是OpenAI推出的1000token/秒的Codex-Spark，將編碼競爭推向白熱化。國內(nèi)，月之暗面的Kimi-K2.5、智譜的GLM-5、稀宇科技的MiniMax-M2.5以及字節(jié)跳動的Doubao-Seed-2.0，都在宣傳自身的智能體能力。

其中，Kimi-K2.5引入智能體集群（Agent Swarm）技術(shù)，提出并行智能體強化學習（PARL），實現(xiàn)更高準確率與更短用時；GLM-5在編程能力上與Claude Opus 4.5對齊，還提出異步智能體強化學習算法，使模型能從長程交互中持續(xù)學習，以極少人工干預自主完成Agentic長程規(guī)劃與執(zhí)行；MiniMax-M2.5號稱是首個無需考慮使用成本、可無限使用的前沿模型，“1萬美元可讓4個Agent連續(xù)工作一年”。

DeepSeek-V3.1早已宣告邁向Agent時代，但其將如何定義當下的Agentic時代？能否憑借推理效率、工具集成、記憶機制與極致經(jīng)濟性，在落地體驗中再次樹立新標桿？

或許，DeepSeek未必需要單獨的“R系列”。R象征推理與認知，對標OpenAI的o系列模型；而Agentic時代更強調(diào)執(zhí)行與工程，需對標OpenAI的Codex。DeepSeek原本就有Coder與Math系列模型，編碼與數(shù)理證明是通往AGI（通用人工智能）的“元能力”，二者共同構(gòu)成模型的自我改進系統(tǒng)，加速遞歸式進化。

市場也期待DeepSeek繼續(xù)驗證國產(chǎn)算力生態(tài)協(xié)同的潛力。長期以來，其探索主線是在有限資源下通過架構(gòu)創(chuàng)新，最大化提升訓練與推理效率。去年年底，DeepSeek-V3.2采用新架構(gòu)DSA，在長上下文場景中實現(xiàn)端到端顯著加速；今年年初，Engram的條件記憶有望“成為下一代稀疏大模型中不可或缺的基礎(chǔ)建模范式”。

OpenAI的Codex-Spark證明響應(yīng)速度至關(guān)重要，是創(chuàng)造價值的關(guān)鍵。它運行在Cerebras晶圓級引擎上，而這正是國內(nèi)推理生態(tài)所缺乏的。DeepSeek能否用“算法”換“算力”，彌補硬件層面的差距？

而且，從算法入手精簡步驟，不僅能提升響應(yīng)速度（尤其是部分需高速精準響應(yīng)的場景），還能減輕上下文壓力。此前，中國開源模型常因“冗長思考”不受制約、token消耗過高而被詬病，這會逐漸削弱成本優(yōu)勢。DeepSeek曾提到，未來將聚焦提升模型推理鏈的智能密度，以改善效率。

比推理更重要的是訓練，預訓練仍是后訓練的起點。英偉達的Blackwell架構(gòu)正成為美國AI基礎(chǔ)設(shè)施中的訓練主力，谷歌的TPUv7也將在Gemini 4的訓練中發(fā)揮關(guān)鍵作用。即便H200能盡快在國內(nèi)部署，短期內(nèi)中國大模型訓練的算力來源仍處于Hopper時代。目前，國內(nèi)AI芯片廠商的性能宣傳主要圍繞Hopper架構(gòu)，但在大規(guī)模集群場景下的穩(wěn)定性與綜合效率表現(xiàn)，尚未有充分實踐數(shù)據(jù)支持。

DeepSeek在論文中承認，因訓練算力不足，DeepSeek-V3.2在世界知識覆蓋廣度上仍落后于領(lǐng)先的專有閉源模型。團隊計劃在后續(xù)迭代中擴大預訓練算力規(guī)模，彌補這一知識差距。毋庸置疑，DeepSeek-V4發(fā)布時，國產(chǎn)AI芯片會實現(xiàn)Day0深度全棧適配；但市場更期待其預訓練基于國產(chǎn)AI芯片，再次改寫市場對英偉達敘事的定價。

人們欣賞DeepSeek的精致研究，也期待原生多模態(tài)的DeepSeek-V4。Gemini 3已是原生支持文本、圖像、音頻和視頻輸入的大模型，Kimi-2.5也強調(diào)文本與視覺的聯(lián)合優(yōu)化。要繼續(xù)對標谷歌、OpenAI，DeepSeek似乎必須有所行動。

然而，技術(shù)創(chuàng)新必須基于可驗證的物理邊界，而非情緒邊界。芯片、能源、網(wǎng)絡(luò)及算法等整套生態(tài)決定了算力上限，而算力正限制中國開源模型進一步追趕的后勁，這在預訓練和后訓練中已有所體現(xiàn)。任何“算法樂觀主義”在特定時間內(nèi)，都只能在這一邊界內(nèi)優(yōu)化。AGI更是一項系統(tǒng)工程，遠超單一大模型的參數(shù)規(guī)?；虬姹靖隆?/p>

DeepSeek的使命是探索AGI。僅做大模型（尤其是僅做語言大模型）無法實現(xiàn)AGI，其局限性日益明顯?，F(xiàn)在更接近現(xiàn)實的AGI形態(tài)是知行合一的，具備認知能力、執(zhí)行能力、長期約束、現(xiàn)實反饋閉環(huán)等。Claude大模型常被中國開源模型集體刷榜超越，但它的收入以每年十倍的速度增長，在編程這一通用功能領(lǐng)域的突破，為通往AGI開辟了新路徑。

或許，真正的長期主義期待是允許DeepSeek繼續(xù)深度探索，而非讓市場的所有焦慮與愿望在某一時刻集中投射到這一品牌上。公司創(chuàng)始人梁文鋒認為，創(chuàng)新是昂貴且低效的，有時伴隨浪費，需要盡可能少的干預和管理，讓每個人有自由發(fā)揮的空間和試錯機會。