断崖式降温、新模型难产，DeepSeek为何一年就从顶流掉队？

引言：这篇是我今晚灵光一闪随手写的，没想到发到小红书后，竟收获了不少关注，有些人认同，有些人也质疑。如今，我把它重新发布在微信公众号上，内容里或许有些观点稍显激进，却也饱含着我的一份期待——希望 DeepSeek V4 能成为今年国产 AI 大模型中的亮眼“王牌”。

截至今日，距离DeepSeek-V3发布已过去445天，转眼已是一年有余。

曾经的国产大模型之光DeepSeek，如今在V4模型研发上，却接连出现跳票、增长乏力等问题。

几个事件可以印证：

1、自去年底开始，路透社及国内多家媒体接连报道，备受期待的 DeepSeek V4 模型即将发布。但最终，DeepSeek却一言不发，最终导致V4“跳票”，从春节前延期至3月、最近再传4月上线，始终未能如约而至。

最新消息显示，DeepSeek V4 多模态大模型，与姚顺雨领衔的腾讯混元新模型，或将于 4 月正式上线。

2、据SemiAnalysis和Poe平台数据，DeepSeek 平台的用户使用率已从7.5%的峰值骤降至3%，去年 2 月下旬至 5 月，其官网流量下滑29%（近三成，统计的是DeepSeek官网，不包括腾讯元宝、百度等第三方渠道）；而Token调用流量从42%萎缩至16%。

根据Artificial Analysis的最新数据，截至今年3月15日，DeepSeek-V3.2 模型的性能和性价比，远低于Kimi-K2.5、 MiniMax-M2.5、智谱GLM-5等一众国产开源AI模型。

甚至在近期OpenClaw“龙虾”热潮下，月之暗面Kimi K2.5、MiniMax M2.5、阶跃星辰Step-3.5 Flash等国产模型 API 的tokens使用量，也远高于DeepSeek模型。

在App排名上，DeepSeek已下滑至苹果App Store效率榜第36位。而字节豆包、阿里千问等AI应用持续占领下载榜前列。

当然，这些第三方数据仅供参考。

但比较事实的是，在过去这一年里，DeepSeek似乎鲜有全新的重要模型推出，曾经凭借DeepSeek-R1推理模型“震撼全球”的辉煌，已成过往。

如今的 DeepSeek，在模型侧基本以 “小幅迭代更新” 为主，还发表了多份框架与技术论文；移动App则在每周“修复部分已知问题”。

很显然，DeepSeek从神坛跌落的故事，给整个行业敲响了警钟。

回望 DeepSeek 的崛起之路，其发展堪称教科书级别的行业逆袭案例。

梁文峰于1985年出生于广东省湛江市，自幼展现出卓越的数学天赋，初中时便自学完高中数学课程，并开始涉猎大学数学。从浙江大学研究生毕业后，他于2008年开始研究量化对冲，并于2015年创立幻方量化。此后该公司迅速崛起，成为中国量化私募“四巨头”之一。

2023年，梁文峰成立的深度求索DeepSeek，依托幻方量化的算力底座，避开行业“堆参数、烧算力”的误区，走出了一条“算法优先、效率为王”的差异化路线。

2025年初，DeepSeek-R1横空出世，仅以557万美元的训练成本，就实现了接近GPT-4o的性能表现，数学推理能力甚至实现反超。

同时，DeepSeek V3系列模型持续迭代，平均1-2个月一次大更新，开源权重引爆全球开发者社区，API定价低至行业十分之一，迅速抢占中小企业和开发者市场，甚至腾讯、百度等大厂和算力公司纷纷响应，适配或接入DeepSeek模型。

彼时的DeepSeek，是速度与创新的代名词，App上线数月下载量破1亿，周活逼近9700万，在代码、数学、长文本处理等垂直领域建立起绝对优势，被视为中国大模型的“希望之星”。

这一轮DeepSeek热潮，一度让“大模型六小虎”（智谱、MiniMax、百川智能、零一万物、月之暗面、阶跃星辰）陷入舆论漩涡带来的“至暗时刻”。

不过，高光时刻有多耀眼，跌落时就有多落寞。

DeepSeek V4模型的反复跳票，正在让市场和AI行业陷入等待且焦虑的时刻。

据多家媒体报道，今年春节假期，腾讯元宝和混元团队就为了等待DeepSeek的模型更新，不得不加班，错峰返乡过年。

如今，当OpenAI、智谱等大模型同行都在“月更模式”下狂奔时，DeepSeek却陷入长期静默期，曾经的“火箭迭代”彻底刹车，用户新鲜感迅速消退。

尽管今年 2 月 DeepSeek 上线了百万上下文测试版（非 V4 正式版）并开展压力测试，但情感交互、个性化记忆等模块尚未完成迁移，仍需持续调优，而众人期盼的V4正式版迟迟未出，也让一些行业人士对DeepSeek的当前发展状态并不认可。

DeepSeek为何会在短短一年内陷入如此困境？

表面来看，是 V4 模型跳票、业务增长不及预期，深层原因则是技术、算力、生态、战略四重矛盾的交织。

首当其冲的是算力“卡脖子”的致命瓶颈。

有分析认为，DeepSeek可稳定调用的高端芯片规模，不足OpenAI的十分之一。

有限的算力资源，既要保障核心模型预训练，又要支撑日常推理服务，根本无法满足万亿参数级别模型的大规模调优与迭代。

算法创新能弥补部分算力差距，却无法突破硬件的绝对天花板，国产算力能力弱、海外GPU短缺等问题，从根源上锁死了模型性能与迭代速度。

此外，技术路线的战略摇摆与难度陡增，生态与商业化的先天短板等问题，可能都是DeepSeek“掉队”的重要原因。

当然，我们也能感知到，作为开源明星，DeepSeek的任何平庸“迭代”都会被视为“走下神坛”，口碑反噬风险高。同时，DeepSeek还需要平衡开源免费与商业化，发布决策更谨慎。

DeepSeek从神坛跌落的速度，比崛起时更令人猝不及防。这场从“夯”到“拉”的急速反转，不仅是一家企业的发展之路，更折射出全球大模型竞争的残酷本质，以及国产AI算力突围的深层困境。

但我相信，梁文锋和DeepSeek的故事尚未结束。

唯有顺利推出 V4 模型，突破发展瓶颈、坚守技术初心，才能在全球 AI 竞争中站稳脚跟，真正让国产AI技术实现从“技术逆袭”到“产业引领”的跨越。

基于DeepSeek的模型迭代和论文判断，最新V4依然会是模型效率、性价比高的路线，无论是使用国产AI算力，还是GPU计算，都将全面提升AI Infra和算力效率。

而我们也期待，经历低谷的DeepSeek，能重新找回崛起时的锋芒，用实力打破质疑，重回属于自己的巅峰。

智能纪元也将持续第一时间关注 DeepSeek 后续的最新发展进展。