一個只有2000億參數的AI模型，性能快追上美國最頂流的大模型了。而且它能在華爲的芯片上跑。
這不是科幻，是剛剛發生的事。
DeepSeek在2月11日悄悄上線了一個新模型，叫V4 Lite，輕量版的意思。當時沒人在意，畢竟2000億參數在今天的AI圈確實算“小個子”，主流大模型早就奔着萬億去了 。
但接下來半個月，這個模型一直在悄悄升級。2月27日，有網友測試發現它的性能越來越強。到3月2日的一次更新後，Linux Do社區的開發者HCPTangHY測完直接懵了，說在他的測試裏，這已經是國模SOTA——就是國內第一梯隊的意思 。
更具體的數據是，這個0302版本的分數已經逼近目前全球最頂流的閉源模型Sonnet 4.6 。一個2000億參數的輕量版，快追上別人家的旗艦了。
這事的反常識在於，參數少不等於能力弱。
過去一年，國產大模型在對話聊天方面已經跟閉源模型差別不大，但在多模態、編程、數學這些硬核能力上一直被甩開。最近發佈的GLM5、MiniMax 2.5、Qwen 3.5都有提升，但人家Anthropic、OpenAI、谷歌也沒閒着，差距又拉開了 。
DeepSeek這次的路子不太一樣。V4 Lite的核心突破是兩個：100萬token上下文窗口，和原生多模態 。
100萬token什麼概念？相當於能一次性處理750本中等厚度的小說，或者一箇中型公司的完整代碼倉庫 。以前DeepSeek V3.2只有12.8萬token，這次直接翻了近8倍 。
原生多模態的意思是，模型從孃胎裏就能看懂圖片，不是後期外掛一個視覺模塊拼起來的 。這玩意的重要性在於，文圖對齊的能力通常遠優於拼接方案，能更精準地理解“圖裏在說什麼”，也能更連貫地生成“符合語義的圖像內容” 。
有測試者用V4 Lite生成了一個Xbox 360手柄的SVG圖像代碼，只用了54行，結構層次清晰，細節準確。還有個“騎自行車的鵜鶘”，42行代碼，多元素場景構圖自然流暢 。這兩項輸出在代碼精簡度、邏輯組織和視覺還原度上，都優於DeepSeek V3.2、Claude Opus 4.6和Gemini 3.1 。
更扎心的是，V4 Lite是在非思考模式下生成的，而對比的V3.2是開了深度思考的 。一個沒動腦子的輕量版，幹翻了動腦子的上一代旗艦。
但真正讓行業內震動的，不是這些參數和測試數據。
路透社2月26日爆出一條消息：DeepSeek在即將發佈V4之前，沒有按行業慣例給英偉達和AMD提供預發佈版本，而是給了華爲等中國芯片廠商數週的“優先期”，讓他們提前適配優化 。
行業慣例是什麼？AI開發者通常會在重大模型更新前，把預覽版分享給英偉達和AMD這些芯片巨頭，確保軟件能在主流硬件上高效運行。DeepSeek之前也一直跟英偉達技術團隊密切合作 。
但這次變了。消息人士說，DeepSeek給了包括華爲在內的中國芯片廠商幾周時間，針對自家處理器做軟件適配與性能優化 。英偉達和AMD拒絕評論，DeepSeek和華爲也沒回應 。
這意味着什麼？
有分析說，這標誌着DeepSeek在生態佈局上做了新的取捨：把適配重心前移至國產計算平臺，爲本土芯片企業預留充分時間，開展底層指令集、算子庫及推理框架層面的深度協同優化 。簡單說，就是要讓國產大模型能在國產芯片上跑起來，而且跑得好。
有開發者測算過，V4 Lite的百萬級上下文推理成本可能低於同類產品的十分之一 。這種成本優勢如果屬實，將重塑AI應用生態。而華爲拿到優先適配權，意味着這套成本優勢可能首先在國產算力上落地。
CNBC已經發出預警：DeepSeek一旦正式發佈新模型，可能觸發類似V3發佈時納斯達克3%單日跌幅的市場反應 。華爾街正屏息以待。
有人在X平臺上說：“我的Claude訂閱3月4日就到期了，希望DeepSeek在那之前能發佈他們的模型。” 還有人評論：“參數規模或許不是重點，長上下文與多模態的結合纔是革命性突破。”
當然，也有冷靜的聲音。有開發者指出，SVG測試只是窄測試項，不能代表推理、多步驟編程等核心能力的全貌 。參數量約2000億仍屬猜測，“輕量版”意味着某處有取捨，取捨在哪裏尚不明朗 。
但有一個細節值得反覆琢磨：DeepSeek這次的策略調整，是把適配重心從美國芯片轉向了中國芯片。在重大模型更新前不給英偉達內測資格，這在大模型行業裏是第一次。
一個網友評論：“輕量版不是功能弱，是成本更低。這是個成本優化的強力產品。”
2000億參數的模型，性能逼近美國頂流，能在華爲芯片上跑，推理成本可能只有別人的十分之一。這四個事實放在一起，拼出來的圖景已經不是某個公司的技術突破，而是整個國產AI產業鏈條的咬合。
完整版V4據說參數可能突破1萬億 ，發佈時間就在這幾天 。到時候會是什麼動靜，誰也不知道。
但至少現在，那個叫“sealion-lite”的海獅，已經悄悄下水了 。
