作者 |方堃

編輯 | 虞塵

DeepSeek V4終于來了。上周，DeepSeek V4和Kimi 2.6兩個萬億參數的開源模型前后腳首發，引發全球關注。

過去一年，DeepSeek V4和Kimi向世界證明了一件事：芯片算力的多寡，無法從第一性上壟斷大模型的技術創新；而接下來，DeepSeek和Kimi要向世界證明另一件事：不僅是英偉達，國產算力也能撐起最好用的大模型。

2024年，當OpenAI正式發布o1完整版時，中國大模型被認為至少落后美國兩到三年；但僅僅3個月后，DeepSeek?R1與Kimi K1.5問世，成為全球最早復現o1能力的兩家公司；此后，DeepSeek與月之暗面，聯手把中國大模型帶到了一個前所未有的位置——從追趕到全面領先美國開源模型，并不斷迫近美國頂尖閉源模型的水平。

在DeepSeek V4預覽版發布的官方推文中，DeepSeek團隊對比了美國頂尖閉源模型的能力，認為真實差距已拉近到3-6個月。DeepSeek V4整體優于 GPT-5.2、Gemini 3.0 Pro，但略落后 GPT-5.4、Gemini 3.1 Pro。具體而言：

1、在知識與綜合推理上仍有差距，HLE（復雜推理），V4落后 Gemini-3.1-Pro、Claude Opus 4.6-Max；2、長文本閱讀理解優于 Gemini，但明顯不如 Claude；3、多模態（圖像/視頻）尚未大規模上線，落后 GPT-5/Gemini一代；4、極端復雜 Agent 任務仍有距離，超長時程、多步驟、跨工具的閉環 Agent 能力，弱于 Opus 4.6 思考模式。

對于中國大模型產業而言，3-6個月的差距，不再是代差、鴻溝或者不可逾越的壁壘，而是一場可以靠分工、協同、效率和生態逐漸抹平的距離。

無論是技術還是算力，都不應該成為壟斷和阻擋AGI普惠大眾的門檻。

01

“五次撞車”

在中國人工智能行業，DeepSeek與Kimi的"撞車"成為奇妙默契。

所謂"撞車"，是指兩家公司在技術路線、產品發布節奏、甚至戰略方向上的驚人重合。從K1.5 vs R1的思維鏈較量，到MoBA vs NSA的注意力機制探索，再到kimi數學推理模型 vs Prover V2的垂直突破，以及K2.5 vs OCR-2的多模態競爭——而DeepSeek V4與Kimi k2.6已經是兩家公司的第五次正面"撞車"。

如果是兩次、三次，或許還可以用巧合來解釋。但當"撞車"達到第五次，兩家公司都在萬億參數開源模型、長上下文技術、底層架構創新等關鍵領域持續同步推進時，這背后折射的已不再是巧合，而是技術路徑的收斂。

二者都從底層原理、Scaling Law、AGI 終極路徑出發，就必然在同一個技術節點相遇。這種 “撞車式接力”，讓中國開源的迭代速度翻倍，抹平與硅谷頂尖模型的時間差。

DeepSeek創始人梁文鋒與Kimi創始人楊植麟，一次又一次在技術高峰上相遇，說明中國頂尖AI人才對下一代技術方向有著高度一致的判斷。

中國不僅限于"應用大國"的狹隘定義，也能撐起下個時代的"技術基礎設施"。

02

“技術共生”

開源大模型的雙子星格局，是中國AI產業在極端競爭環境下的一次"適應性進化"。DeepSeek和Kimi的互相成就，并不是設計出來的劇本，而是商業碰撞后的自然結果。

但真正值得研究的，不是DeepSeek與Kimi之間的競爭，而是它們之間悄然發生的技術共生。

DeepSeek以開源開放姿態輸出底層架構，成為Kimi跨越式升級的關鍵底座。

而DeepSeek-V4則反過來學習了Kimi K2首次大規模應用的二階優化器Muon，替代了行業通用的AdamW，訓練更穩、收斂更快、算力利用率更高，讓 V4 在百萬上下文、訓練穩定性、效率上實現關鍵一躍。

這種你中有我、我中有你的技術交叉，也是中國AI產業在全球競爭格局中新的底氣。

通常，頭部AI公司之間更多是技術壁壘的構筑和專利護城河的挖掘。OpenAI與Anthropic、Google與Meta，彼此之間涇渭分明，技術路線各自為戰。

但DeepSeek與Kimi卻走出了一條截然不同的路——它們選擇了開源，選擇了共享，選擇在底層技術上互相借力。

這種"互利互惠"的技術生態，正在成為中國AI的獨特競爭力。這并非簡單“借鑒”，而是技術范式層面的相互驗證。換句話說，兩家公司在用彼此作為“實驗對照組”，加速驗證哪些路徑更接近AGI。

當然，DeepSeek與Kimi都有自己堅持的技術路線。比如，下一代的Kimi模型將繼續深耕長上下文，但方向與DeepSeek有所不同——DeepSeek探索的是"稀疏注意力"，而Kimi探索的是"線性注意力"。

不過，兩條路徑殊途同歸，都在試圖突破Transformer架構在長序列上的效率瓶頸。類似的案例還包括：Kimi的"注意力殘差"與DeepSeek的mHC殘差連接，雖然名稱不同，卻都在嘗試解決Transformer架構中的信息衰減難題；Kimi的Mooncake推理架構與DeepSeek的緩存技術，雖然路徑各異，卻都指向了同一個目標——讓大模型跑得更快、更省、更穩。

03

“算力獨立”

當硅谷選擇將最強大的能力關在閉源API 之后，DeepSeek與Kimi卻將萬億參數的龐然大物開放給了全世界。

這種開源選擇具有深遠的戰略意義。一方面，它打破了美國閉源模型對全球開發者的壟斷性綁定；另一方面，它為中國的技術生態贏得了全球聲譽。

在OpenRouter的調用量統計中，DeepSeek與Kimi穩居中國模型的TOP2，被海外開發者視為最具競爭力的開源選擇。Cursor套殼了Kimi，日本樂天Rakuten AI 3.0套殼了DeepSeek——這種被"套殼"的現象，恰恰說明兩家公司的模型能力已經得到了國際市場的充分認可。

在英偉達GTC大會上，黃仁勛親自用這兩家中國開源模型來Benchmark展示下一代芯片的性能。而在Meta新模型Muse Spark發布的官方Blog中，用來做對比的也恰恰是DeepSeek與Kimi。當中國的開源模型成為全球巨頭技術對標的標準，這本身就是中國AI實力最有力的證明。

技術競爭之外，另一條暗線同樣關鍵：算力獨立。

在全球半導體供應鏈高度緊張的背景下，這一點尤為重要。過去，大模型的性能幾乎完全依賴英偉達的GPU生態；而現在，中國模型正在嘗試“去CUDA依賴”。

在國產芯片適配方面，兩家公司都在為擺脫英偉達"卡脖子"作出切實努力。DeepSeek V4已經實現了用華為芯片做推理，而Kimi的新技術也已支持國產芯片混合推理。

在中美科技競爭日趨激烈的背景下，這種對國產算力生態的主動適配，不僅是商業，更是技術主權的考量。

梁文鋒與楊植麟，兩位廣東籍創業者，先后出席了總理座談會，無疑是對兩家公司技術成就的國家認證。

當中美AI競爭進入“開源vs閉源”的新階段，DeepSeek與Kimi更像是同一陣營中的不同分支——在內部競爭中提升效率，在外部競爭中形成合力。

五次撞車，不是資源浪費，而是路徑的交叉驗證和并行探索。在AGI尚未到來的今天，這種競合關系可能正是最有效的進化方式。最后誰贏了誰其實并不重要，當兩條路徑不斷交匯，新的技術范式，也一定會誕生。