在業界對新一代旗艦模型DeepSeek V4的翹首期盼中，DeepSeek團隊卻悄然放出了一篇新的學術論文論文。
這篇論文由DeepSeek聯合北大、清華共同撰寫，將研究方向投向了決定大模型實際應用落地的關鍵一環——推理速度，為日益複雜的AI智慧體，提供一套高效的底層系統解決方案論文。
具體來說，新論文介紹了一個名為DualPath的創新推理系統，專門針對智慧體工作負載下的大模型（LLM）推理效能進行最佳化論文。透過引入“雙路徑讀取KV-Cache（類似記憶快取）”機制，重新分配儲存網路負載，將離線推理吞吐量最高提升 1.87 倍，線上服務的每秒智慧體執行數平均提升 1.96 倍。
論文在引言部分提到，大模型正從單輪對話機器人和獨立推理模型，快速演進為智慧體系統 ——能夠自主規劃、呼叫工具，並透過多輪互動解決實際任務論文。這種應用正規化的轉變，推動大模型推理工作負載發生重大變革：從傳統的人類-大模型互動，轉向人類-大模型-環境互動，互動輪次可達數十甚至數百輪。
上下文會跨輪次累積，最終長度可能達到極值論文。此時模型不需要大量計算，反而需要頻繁從硬碟讀取歷史上下文的 KV-Cache；現有系統中，只有負責預處理的引擎會讀取KV-Cache，它的網絡卡頻寬被佔滿，而負責生成內容的解碼引擎，網絡卡頻寬基本閒置，導致整個系統速度被卡脖子。
因此，論文提出的DualPath，針對智慧體工作負載、重新設計現代推理架構中 KV-Cache載入邏輯，解決大模型做智慧體任務時，速度被 “資料讀取”拖慢的核心問題，重要的是把閒置的頻寬資源利用起來，相當於給資料讀取 “多開了一條高速路”，實現速度的大幅提升論文。
這一論文成果延續了DeepSeek一貫的風格，在工程化層面將效能最佳化推向極致論文。有從業者認為，DeepSeek做這類最佳化屬於缺顯示卡的無奈之舉，屬於“髒活兒累活兒”，大家更期待團隊在模型上做創新。
但也有人認為，即便有足夠顯示卡，這類最佳化在降低成本、降低token費用方面也很有價值，因為只有足夠便宜，AI才能走向大規模使用論文。
相比這篇“務實”的論文，外界顯然更關注DeepSeek新一代旗艦模型的真面目論文。關於DeepSeek V4的釋出時間，市場傳聞已幾經更迭。從最初傳聞的2月春節前後，到外媒最新報道的“最快下週”，再到業內人士預測的3月前後，傳聞鏈條愈發撲朔迷離。
就在近日，外網有網友爆料稱，DeepSeek 正在測試 V4 Lite 模型，代號為“Sealion-lite”，上下文視窗為 100萬tokens，並原生支援多模態推理論文。也有訊息提及，DeepSeek已在近期將重大更新版本V4向華為等國內廠商提供提前訪問權，以支援其最佳化處理器軟體，確保模型在硬體上高效執行。然而，英偉達等廠商尚未獲得類似許可權。
面對傳聞，DeepSeek依舊保持其一貫的沉默，目前並未進行任何回應論文。但市場已進入“嚴陣以待”狀態，部分投資機構擔憂，新一代模型的釋出會如同去年的版本釋出時那樣，引發市場的劇烈震盪。
(本文來自第一財經)
