•
DeepSeek V4爆春節登場！四大殺招突襲全球程式設計王座，Claude危
DeepSeek春節憋大招，V4要當「程式設計之神」！一個月後程式碼圈變天？
每逢假期，必發新品。
Information爆料稱，DeepSeek將計畫在2月中旬，也正是春節前後，正式發佈下一代V4模型。
而這一次，所有目光都聚焦在同一維度上——程式設計能力。
目標：程式設計之王。
據稱，DeepSeek V4程式設計實力可以趕超Claude、GPT系列等頂尖閉源模型。
要知道，如今Claude是全網公認的程式設計王者，真要擊敗了它，那可真不是小事兒。
毫無疑問，V4是繼去年12月V3的重大迭代版，但內部測試者普遍反饋：
這不是一次常規的升級，而是一次質的跨越。
復刻R1春節核爆，全網期待值拉滿
此次發佈時間的選擇，同樣意味深長。
還記得，去年1月20日，恰逢春節前夕，DeepSeek R1重磅出世，在全網掀起了巨震。
R1的上線，最終被證明是教科書級的節奏：討論密度、傳播強度、社區反饋，全部被拉到了峰值。
或許這一次，DeepSeek希望再次復刻這種「時間窗口效應」。
回看過去一年，DeepSeek的發展軌跡，其實已經給出一條清晰的敘事線：
DeepSeek V3嶄露頭角，讓國際開發者第一次正眼看這個來自中國的團隊。
DeepSeek R1才是真正引爆的那個點。
一款開源「推理」模型，把「先思考、再作答」變成顯性過程，用相對克制的訓練成本，實現了複雜問題上的驚人穩定性。
這種「性價比反差」，直接擊中了矽谷最敏感的那根神經。
隨後，DeepSeek在國內，推出了由R1+V3加持的聊天應用，短時間內成為了現象級應用。
接下來的一年中，DeepSeek進行了多次模型版本迭代，比如V3.1、V3.2，智能體能力植入等等。
進入2025年，開源早已成為整個行業最大共識。
中國大廠與初創公司密集發佈和開源，中國AI的存在感被整體抬升了一個量級，被視為全球開源AI領導力量之一。
上個月，DeepSeek V3.2出世，在部分基準測試上碾壓GPT-5、Gemini 3.0 Pro。
這是DeepSeek在一直未推出真正意義上的重大換代模型的情況下，實現的反超。
也正因如此，V4被賦予了比以往任何一次迭代都更高的期待。
劍指程式設計王座，四大突破曝光
從目前流出的資訊來看，DeepSeek V4在以下四個關鍵方向上，實現了核心突破，或將改變遊戲規則。
程式設計能力：劍指Claude王座
2025開年，Claude一夜之間成為公認的程式設計之王。無論是程式碼生成、偵錯還是重構，幾乎沒有對手。
但現在，這個格局可能要變了。
知情人士透露，DeepSeek內部的初步基準測試顯示，V4在程式設計任務上的表現已經超越了目前的主流模型，包括Claude系列、GPT系列。
如果消息屬實，DeepSeek將從追趕者一步躍升為領跑者——至少在程式設計這個AI應用最核心的賽道上。
超長上下文程式碼處理：工程師的終極利器
V4的另一個技術突破在於，處理和解析極長程式碼提示詞的能力。
對於日常寫幾十行程式碼的使用者來說，這可能感知不強。但對於真正在大型項目中工作的軟體工程師來說，這是一個革命性的能力。
想像一下：你有一個幾萬行程式碼的項目，你需要AI理解整個程式碼庫的上下文，然後在正確的位置插入新功能、修復bug或者進行重構。以前的模型往往會忘記之前的程式碼，或者在長上下文中迷失方向。
V4在這個維度上取得了技術突破，能夠一次性理解更龐大的程式碼庫上下文。
這對於企業級開發來說，是真正的生產力革命。
演算法提升，不易出現衰減
據透露，V4在訓練過程的各個階段，對資料模式的理解能力也得到了提升，並且不容易出現衰減。
AI訓練需要模型從海量資料集中反覆學習，但學到的模式/特徵可能會在多輪訓練中逐漸衰減。
通常來說，擁有大量AI晶片儲備的開發者可以通過增加訓練輪次來緩解這一問題。
推理能力提升：更嚴密、更可靠
知情人士還透露了一個關鍵細節：使用者會發現V4的輸出在邏輯上更加嚴密和清晰。
這不是一個小改進。這意味著模型在整個訓練流程中對資料模式的理解能力有了質的提升，而且更重要的是——性能沒有出現退化。
在AI模型的世界裡，沒有退化是一個非常高的評價。很多模型在提升某些能力時，會不可避免地犧牲其他維度的表現。
V4似乎找到了一個更優的平衡點。
最近一周，CEO梁文鋒參與合著的一篇論文，也透露出一些線索：
他們提出了一種全新的訓練架構，在無需按比例增加晶片數量的情況下，可以Scaling更大規模的模型。
技術溯源 從V3到V4，DeepSeek做對了什麼？
要理解V4可能有多強，我們需要先回顧DeepSeek過去一年的技術積澱。
MoE架構：用更少的計算做更多的事
DeepSeek-V3的核心技術優勢在於其創新的MoE（混合專家）架構。
V3擁有高達6710億的總參數，但推理時每個token只啟動約370億參數。
這種稀疏啟動機制讓模型在保持超大規模的同時，維持了極高的推理效率。
更重要的是，DeepSeek改進了傳統MoE模型的訓練方法，採用「細粒度專家+通才專家」的策略——使用大量小型專家而非少數大型專家，更好地逼近連續的多維知識空間。
MLA：讓推理更快、更省記憶體
另一個關鍵技術是MLA（多頭潛在注意力）機制。
這項技術從V2就開始引入，通過將鍵（Key）和值（Value）張量壓縮到低維空間，大幅減少推理時的KV快取和記憶體佔用。
研究表明，MLA在建模性能上優於傳統的分組查詢注意力（GQA），這是DeepSeek能夠在有限硬體條件下實現高性能的關鍵。
R1強化學習經驗
2025年1月發佈的DeepSeek-R1是一個由強化學習驅動的推理模型，其核心技術後來被融合到了更新版的V3中。
這裡有一個關鍵資訊：V4很可能繼承了R1在強化學習方面的所有最佳化經驗。
如果說V3是「基礎能力」，R1是「推理能力」，那麼V4很可能是兩者的完美融合——基礎能力+強化學習最佳化+程式設計專項突破。
而且不要忘了剛剛發佈的新論文mHC。
mHC：解決大模型訓練的根本性約束
就在2025年12月31日，也就是V4爆料前不久，DeepSeek悄悄發佈了一篇重磅論文：《mHC:Manifold-Constrained Hyper-Connections》（流形約束超連接）。
這篇論文解決了一個困擾AI行業十年之久的難題：大模型訓練的不穩定性問題。
核心思想是什麼？
在傳統的神經網路訓練中，訊號在層與層之間傳遞時會出現放大效應——在不受約束的情況下，訊號可能被放大3000倍。
這種失控的放大會導致訓練崩潰、梯度爆炸等一系列問題，是阻礙大模型規模化的根本性瓶頸之一。
mHC的解決方案是：利用Sinkhorn-Knopp演算法，將神經網路的連接矩陣投影到一個數學流形上，從而精確控制訊號放大。結果：訊號放大被壓縮到僅1.6倍。
實際效果有多強？
- 在BIG-BenchHard推理基準上提升了2.1%
- 僅增加6.7%的訓練開銷
- 在高達270億參數的模型上得到驗證
業內專家評價：這項研究可能重塑整個行業建構基礎模型的方式。它解決了一個限制大語言模型架構創新的根本性約束。
可以看出，DeepSeek一直在進行底層演算法最佳化、數學工程最佳化，但不要忘了更重要的一件事：
這些最佳化都是在「限制之下」完成的，這也正是DeepSeek的厲害之處。
硬體限制下的演算法突破這才是真正的故事
在討論V4時，有一個背景不能忽視：晶片出口限制。
外媒的報導特別提到，儘管面臨晶片出口限制，DeepSeek依然在演算法效率上取得了進展。這與其V3/R1系列的高性價比路線一致。
還記得V3的訓練成本嗎？約557.6萬美元。
這個數字在當時震驚了整個AI行業，因為它遠低於其他同等級模型——OpenAI和Google的訓練成本往往是這個數字的幾十倍。
DeepSeek用更少的資源做出更好的模型，這不是偶然，而是演算法、框架和硬體協同最佳化的結果。
V4很可能延續這一路線：不拼硬體數量，而是拼演算法效率。
如果V4真的在受限硬體條件下實現了超越Claude的程式設計能力，這將是一個極具象徵意義的里程碑——
證明在AI競賽中，聰明的演算法可以彌補硬體的不足。
懸念：V4還會有那些驚喜？
根據目前的資訊，我們已經知道V4在程式設計能力、長上下文處理、推理嚴密性三個維度上有顯著提升。
但DeepSeek向來有低調憋大招的傳統。
以下是幾個值得關注的懸念：
1.是否會有蒸餾版本？
DeepSeek-R1發佈時，同時推出了一系列蒸餾版本，讓更多使用者可以在消費級硬體上體驗強化學習推理模型。
V4是否會延續這一策略？
2.多模態能力如何？
目前的報導主要聚焦於程式設計能力，但V4在多模態（圖像、音訊等）方面是否有提升？這是一個未知數。
3.API定價會有驚喜嗎？
DeepSeek一直走極致性價比路線。
如果V4的程式設計能力真的超越Claude，但價格只有Claude的幾分之一，那將是對整個市場的巨大衝擊。
4.開源策略會變嗎？
V3和R1都在MIT許可下開源。
V4是否會延續這一策略？V5、V6呢，DeepSeek會一直開源下去嗎？
考慮到程式設計領域的商業價值，這是一個值得觀察的變數。
LMArena上的神秘身影：V4已經在野測了？
如果說以上都是內部消息，那麼有一個線索可能暗示V4比我們想像的更接近：
有使用者在LMArena（大模型競技場）上發現了匿名模型，據說就是V4。
有人已經在LMArena上發現匿名模型，據說就是V4。
但由於模型會「撒謊」，還無法最終確認。
這是一個值得密切關注的訊號。
如果The Information的報導屬實，那麼我們只需要再等不到一個月的時間。
屆時，它是否能真正超越Claude成為程式設計之王？
敬請期待。 (新智元)