DeepSeek V4 悄悄来了。1.6 万亿总参数，490 亿活跃参数，混合专家架构，100 万 Token 上下文，完全开源，在基准测试上也只是比 GPT 5.5 和 Opus 4.7 落后了一点。而 AI 技术博主 Matthew Berman 认为，就是这 “一点点” 的差距，才是整个故事最有意思的地方。
对大多数企业来说，“几乎一样好” 就已经够用了。GPT 5.5 每百万输出 Token 要 30 美元，DeepSeek 只是零头，还开源可微调，可私有化部署。你要是一个要控制 AI 成本的 CEO，这道算术题不难做。
出口管制这张牌也在失效。芯片限制了算力，但限不住算法创新。DeepSeek 用更少的资源做出前沿水平的模型，已经证明了这一点。黄仁勋说应该让中国的 AI 建立在美国芯片上，但现在的问题反过来了。美国的企业正在考虑将业务建立在中国模型上。
而 Matthew Berman 给美国支的招是，要么加码开源，要么逼着 OpenAI 和 Anthropic 大幅降低成本。
OpenAI 旗下 GPT-5.6 Sol Ultra 通过 64 路并行 agent 在 1 小时内生成了图论 CDC 猜想的证明文本，成本不足 500 美元。该成果引发争议，因缺乏 Lean 机械化验证、未公开完整推理轨迹及受限于图论形式化库不成熟，数学界对其有效性存疑。此事表明 LLM 已具备启发式数学搜索能力，但验证基础设施滞后仍是瓶颈。未来“多路并行+防放弃 prompt”或成范式，而完善 Lean 工具链是确立 AI 证明可信度的关键。
针对复杂疾病治疗难题，Arc 研究所正利用 AI 构建通用“虚拟细胞”模型。该模型将 RNA 表达视为生命语言，计划四年内通过 CRISPR 和单细胞测序完成 10 亿次实验进行训练。研究人员可借此在电脑模拟中预测基因或化学干预方案，实现从盲目猜测到精准预测的转变。该工具将于今年晚些时候开源，有望在未来四五年内推动个性化医疗及复杂疾病治疗取得临床突破。
谷歌推出开源模型 Gemma 4，旨在解决网络受限地区无法使用前沿 AI 的问题。该模型追求内存占用下的智能最大化，首次具备多模态与智能体能力，支持在无网移动端高效运行复杂任务。目前已在乌干达离线医疗系统及秘鲁原住民语言保护等场景中落地应用。通过将大模型蒸馏至终端设备，Gemma 4 摆脱了对云端算力的依赖，推动去中心化开源生态发展，赋能各社区按需构建专属系统。
围绕《DeepSeek V4来了，美国 AI 的真正麻烦才刚开始》展开交流，未登录用户可浏览评论，登录后可参与讨论。
