断崖式降温、新模型难产，DeepSeek为何一年就从顶流掉队？

前两天圈子里突然传开一条消息，说DeepSeek V4和腾讯混元那边姚顺雨领衔的新模型，都盯准4月上线，俩巨头要正面撞车了。这话一出，本来已经有点安静的AI圈又炸了锅。不少人刷到就忍不住吐槽：去年底就开始喊要发，结果春节前跳票，3月又说延期，现在大家等得心慌慌的，感觉时间过得比模型更新还慢。

数据摆在那，不会哄人。平台用户使用率从峰值的7.5%直线掉到3%，官网流量一度下滑近三成，token调用量也从42%萎缩到16%。曾经那个下载破亿、周活逼近9700万的App，现在苹果效率榜上只排第36位。字节豆包、阿里千问这些反而稳稳占着下载榜前排。说实话，看到这些变化，我第一反应就是不解——怎么这么快就从神坛滑下来了？

当初DeepSeek靠那个R1模型，只花557万美元训练成本，就差点追上GPT-4o，数学推理还反超，那时候谁不觉得国产AI终于要翻身了。V3系列平均一两个月一次大更新，开源权重一放出来，开发者社区直接沸腾，API价格低到行业十分之一，中小企业抢着用，甚至大厂都纷纷适配。那个阶段，它简直是速度和创新的代名词，逼得其他几家国产模型集体陷入“至暗时刻”。

可现在呢？基本就剩小幅迭代，论文发了几篇，App每周修修已知问题。V4一直没影子，百万上下文测试版倒是上线了，但情感记忆那些模块还没完全迁过去。行业里有人开始焦虑，尤其是春节那会儿，听说腾讯那边团队为了等更新，加班到错峰回家，挺心酸的。

最让人吐槽的，是这沉默背后的原因。表面看是跳票、增长放缓，深挖下去，大家议论最多的还是算力那道坎。国产高端芯片能稳稳调用的规模，据说远不如国外巨头，预训练和日常推理两头都要顾，根本扛不住万亿参数级别的折腾。算法再聪明，也得撞上硬件的天花板。有人说这是战略摇摆，有人觉得开源明星的压力太大，平庸一步就被骂“掉队”，决策自然更谨慎。

但前阵子网上突然冒出的独家爆料，让我情绪又翻了个个儿。说梁文峰他们不是在拖，而是故意多磨了半年。V4要做原生多模态，还要把长期记忆LTM嵌入进去，就是冲着治“健忘症”去的。架构级重构，参数上亿万级，听说还要补好几块短板才肯推。原来这沉默不是颓势，而是憋着大招等完美落地。

这点让我有点激动，又有点惋惜。想想那些已经转去Kimi、MiniMax的开发者，他们当初图的就是DeepSeek的便宜和快，现在新鲜感没了，自然跑了。可对中小企业来说，API还是那个低价位，用着踏实。不同人群看法完全两样：开发者骂迭代慢，投资者担心估值受拖累，普通用户只想谁好用就用谁。时代就这样，政策推着算力突围，利益纠缠着开源和商业化，派别之间互相盯着，谁也不敢乱踩油门。

从神坛到低谷，这速度比当初崛起还让人猝不及防。整个国产AI的竞争，本来就残酷，OpenAI那边月更模式狂奔，我们这边却得一步步踩实硬件短板。DeepSeek的经历，其实把行业好多痛点都戳出来了——算法优先的路走得通，但硬件天花板真不是一句话能绕过去的。

现在大家的目光全盯在4月。V4要是真能带来记忆和多模态的突破，或许又能找回那股锋芒；要是还卡着，大家的耐心估计也快见底了。无论怎样，故事还没完，智能时代还在往前滚，谁知道下一个转折在哪。