时间的流逝变成了DeepSeek的最糟糕的成本... 9月22日晚上，Deptseek官员突然发布了更新，宣布DeepSeek-V3.1现在已在DeepSeek-V3.1-Terminus版本中进行了更新。官员们说，此更新不是一个简单的重复任务，而是改善了用户反馈中出现的问题。在保持原始功能的同时，它进一步提高了模型的稳定性和一致性。当新闻发布时，它会在不到一个小时的时间内获得“ 10W+”，这足以显示该行业在Deptseek中的关注和影响。但是，在市场的热情反应背后，也有一定的失败：高度预期的新一代合理的Dept-R2模型已经消失了。这不仅是期望的失败，而且是一个棱镜，反映了恒星的开始，从年初在R1模型中的惊人成功到主要产品迭代的持续延迟，以及A246天的快速发展后，Xetie，挣扎和选择。 Liang Wenfeng和他的DeepSeek对中国嘲笑领域的“现代陈述”表现出了最戏剧性，最强化的作用。管理市场期望的焦点不足：R2释放就像“镜像和水月亮”。当我们在2025年初春季返回时间指针时，当时，DeepSeek-R1的出现就像雷声一样，它在中国甚至世界的AI领域爆炸。出色的数学功能和代码推理不仅基准，甚至超过了许多基准的OpenAI模型，而且更重要的是，它以完全开放的行为将不含阈值的阈值推向了前所未有的低点。 DeepSeek成为了这场战斗的神，并成为“春季”中最发光的国内AI明星。创始人Liang Wenfeng高度预计会挑战巨大的硅谷。在启动DeepSeek-R1的那天，它留下了两个不可避免的烙印，以进行深入的Explorati在Liang Wenfeng的管理下：一个是其标签的“开放资源和低成本”，另一个是外界对下一步的期望，已经提高到很高的位置。照片说明：Liang Wenfeng的低风格还为她几乎“显示”以“粘贴”互联网拍摄了一些照片。但是，在光荣的序言之后，故事的方向变得令人困惑。该行业对下一代P DeepSeek-R2推理模型的期望随着时间的流逝而演变为一再的“狼即将到来”的故事。根据Big Model Home的统计数据，直到2025年9月23日，自R1发行以来已有246天，关于R2的谣言不少于10个。漫长的“悬念戏”始于2月。路透社第一次引用资源，称R2是“最新在5月初发行的”，并建议它在代码和多语言推理的一代中取得了重大成功忽略了市场的热情。在接下来的几个月中，谣言变得更加具体和密集。 3月，“ 3月17日发布”的准确日期开始传播到该行业。 4月，在代码库中拥抱面孔似乎暗示了即将进行的更新。 Nin May，谣言达到了高潮，并在互联网上传播了详细的参数信息，指出R2将接受革命性的“ Hybrid Moe 3.0”建筑，总卷为1.2万亿。但是，预期的会议可能不会像预期的那样。接下来是更多消息，它与挫败感和猜测混合在一起。有传言称该版本已被推迟，因为首席执行官梁·温芬（Liang Wenfeng）对模型内部测试的性能并不满意，并认为他尚未实现比R1的“紧缩水平”的优势。更重要的是，外部环境的压力开始出现 - SU的问题NVIDIA H20芯片的Pply已成为所有中国人工智能公司悬挂的一把河岸。从那以后，故事情节就变得更加困难。 6月，R2内部MG测试结果表明，提高其性能没有达到一定程度的干扰。 7月，在高度预期的世界人工智力会议（Waic 2025）上，缺少DeepSeek没有看到R2发行的希望。 8月，关于“在月底出来”的谣言再次发生，但很快就被该官员拒绝了。直到9月初，彭博社的报告提供了一个新的时间窗口 - 它将在第四季度发布并专注于当前最热门的功能。在八个多月的时间里，DeepSeek尚未宣布R2的明确出院计划。这种反复的谣言和失败导致市场期望失去管理重点，并消耗了某些用户的耐心。更重要的是，在DeepSeek期间正在等待TR2是其主要竞争对手，例如阿里巴巴的Qwen和Baidu的Wenxin Big Model（Ernie），已经完成了重要的功能和模型升级的很多扭曲。在这场安静的竞争中，时间的流逝变成了DePseek的最糟糕的成本。延迟的“三重难题”：大量的开放生态系统资源和缺乏基本产品。如果这八个月仅被定义为“等待”，那么毫无疑问，对DepSeek来说是不公平的。实际上，在没有R2的日子里，Deptseek不仅没有占用，而且还表现出了令人惊讶的精力和不同维度的战略观点。 Liang Wenfeng选择了一个更加困难的地方，但也许在更长的路径开发中，它是从上层工具链的基础模型中完全开放的资源。这是围绕开放资源驱动资源的“开放阴谋”。在基本模型的层面上，除了使声誉成为确定的深度Deptseek Eek-R1模型在3月开放了通用型号v3.0324的来源，API的成本仅为GPT-4的1/14，这几乎带来了以“倾销”方式使用大型模型的成本。随后，DeepSeek-V2.5（包括代码和对话功能）以及多模式的文学图形模型Janus-Pro也相互打开。这一系列的打击组合已成为国内AI国内技术的主要拥护者之一。在基础架构和工具链的层面上，Deptseek还会生产深层布局，并开了一系列关键成分，以提高培训和推理效率。例如，官方数据表明，FlashMLA内核解码和正在对GPU进行优化的DeepGemm矩阵计算库可以将理解速度提高几乎30％。为混合专家（MOE）MOD设计的Deepp通信库和DualPipe管道算法有效地减少了共享培训的沟通延迟；并且称为3FS的超高速度共享文件系统提供了出色的数据，可以读写大型模型培训的支持。特别重要的是，Deptseek的开源不仅始终保持在代码级别。他们认真地获得了国内计算能力的增加。它的开源工具链不仅支持主要的NVIDIA GPU，而且同时启动了Mother Solutionscope到Huawei Ascend Platform（例如Mindie镜像）。该提案将有助于在实际应用情况下促进国内AI计算能力的实施，并具有重要的工业价值。大型开放资源系统为Deptseek带来了积极的心理周期。全球开发人员根据其模型（例如INT8/INT4版本）来计算他们的模型，降低扩展成本，并在诸如医疗和金融保健等正直行业中正确地计算他们的模型在方案上。但是，这一令人眼花的一侧不能隐藏其一侧的深层隐藏问题。 R2释放的延迟是对这些隐藏问题的集中反映。 DeepSeek-R2推迟至少面临一个三重困境。首先，突破性技术与电源之间存在重大矛盾。根据《英国金融时报》等媒体报道，R1发行后，DeepSeek试图在相关方的鼓励下使用华为升天筹码来训练下一代模型。但是，从NVIDIA的CUDA生态系统转变为Nvidia的Cann生态系统的困难远远超出了预期。在培训过程中缺乏性能和性能瓶颈已经严重减慢了研发的发展，甚至迫使团队将主要培训活动转移回NVIDIA平台。 “计算能力的漫长行军”的困难可能是最直接，最重要的技术因素。T导致R2延迟。其次，资本的热情和对高市场的期望是扩大的谣言扩大，并在深处散布着沉重的“束缚”。 R1的成功创造了一个在资本市场上的宠儿，并以其赞赏。关于R2的每个谣言都会在资本市场引起问题。这种高度关注既是动力又是压力，这迫使Deptseek拥有超越产品，并且任何缺陷都可能无尽，从而导致团队在发布决策时非常谨慎。最后，在激烈的行业竞争和中国技术斗争的后面，最严重的外部压力是由R2的发布而形成的。在中国，阿里巴巴和百度等巨人强迫阶级阶级，以建模模型，产品实施和生态构建，并具有强大的资源整合能力。内部，对联合的U. ADAVE AIMASIKAY技术的控制有所增加。 deepseek h为了处理国内市场的“旋转”以及在国际环境中“解耦”的危险，以及空间的战略选择变得更狭窄。 DeepSeek和Liang Wenfeng面对的“三重挑战”。目前，DeepSeek及其创始人Liang Wenfeng必须面对三个层面的严重挑战：技术，进场和市场。这种情况很难选择下一个开发路径。第一个挑战是如何通过技术实现自我译文，即“创新者困境”。剩下的DeepSeek-R1在推理能力中的性能为公司树立了很高的技术基准。这意味着R2必须实现熟练的绩效跳跃，而不是简单地改善参数或常规优化以满足市场期望。如果R2改进有限，它可能会处理类似行业的评论，通常认为其变化工作在今年的GPT-5发布。对于技术驱动的初创公司，这种内​​部慢性压力是决策过程中要考虑的主要因素。第二个挑战是该公司在技术路线上的战略缺陷，尤其是其多模式能力的“缺席”。当前，在多模式功能（例如文本，图像，音频和视频）的整合中，清楚地教授了世界领先的大型模型的发展。如果它通过呼叫协议（MCP）的多模型功能（MCP）或本机多模式大型模型的多模型功能整合了不同的模型，则它已成为该行业的同意。相比之下，Deptseek释放并转向今天的模型至今主要集中在文本和代码字段上，多模式文学和传记模型Janus-Prro并未引起该行业的波浪。这条他妈的在技术路线上可能会使多模式应用的未来比赛处于劣势阳离子场景是主要的，限制了生态系统的范围和商业化的想象空间。例如，另一家国内大型模型公司Minimax又迈出了另一个强度：自从启动和推出成熟产品以来，它专注于多模式技术，但是由于当前对大型模型能力的基本系统审查，它仍然基于语言模型。它使Minimax具有“工业规模”，例如模型排名，社区认可和学术引用。在拥抱面部等平台上，大型最小值M1模型的开放资源不如Deptseek活跃。此外，即使是线性和混合系统的基本机制（MOE）也具有理论和混合能力的理论理论和理论的基本理论和理论。数学，当涉及到宏观和事实内容时，“幻觉”经常出现。然后据显示，包括深“自然”的生态缺点。 Baidu，Bytedance等大型技术公司都具有其资本和技术的好处，而且还在于其大型交通门户和内容生态系统。例如，百度有一系列产品，例如搜索，tieba，wenku等，而bytedance则具有doulin，toutiao，xigua视频等。这些平台不仅为用户提供了稳定的流量条目，而且更重要的是，在与用户和内容互动的过程中，最新数据和新的数据是不断生成的。清洁并处理这些数据，以继续为大型模型提供DE质量训练语料库，形成良性的“飞轮数据” - 模型更好，较近的使用者，较新的数据以及ITrates的更快模型。 DeepSeek没有目前的内容生态益处。提高其模型功能更多地取决于合作伙伴提供的外部公共数据和数据，而没有“实时water“例如Baidu和可以实时更新的BYTE。当模型无法有效地识别和清洁培训期间污染的语料库时，它可以增强“幻觉”现象。这种“幻觉”不仅是简单的信息虚构，不仅可以显示出一个逻辑上的混乱，现实失误，甚至可以肯定的是，要付出了众多的信心，这会构成一个构成的信心，并会影响一定的限制，并且会影响一定的范围。用户的信任是其产品的基础，“幻觉”问题无疑是其商业化路径的主要障碍，因此，对于Liang Wenfeng来说，如何平衡R＆D节奏与外部市场的压力竞争。 “ Chasin”之间的权衡G采取技术的循环和“扣押市场机会”。这是释放不符合最高内部标准但可以按时将其放置在市场上的产品的艰难战略选择，或者继续抛光一个“完美”的产品，该产品可能会错过最佳发布窗口。与此同时，Ang Ang叠加的工程挑战唯一会使该决策变得更加无能为力。这是不可能的启动。这是否证明了国内团队在基本识别模型领域的研发力量，但更重要的是，其开放资源方法大大降低了AI技术应用的成本，破坏了一些制造商在高端模型领域的垄断，并为促进整个dialem of Point of Point the Vient dept the Point of Point the Point dept dept dept dept dept dept dept dept dept dept evate dept evate dept dept dept。这不是一个单独的情况，而是国内顶级AI公司通常面临较高技术水平的过程的挑战缩影。展望市场是R2的最终版本，不仅期望具有更强性能的模型，而且还观察到它在许多技术瓶颈，战略缺陷和激烈竞争的骚扰下如何提供自己的解决方案。 DeepSeek和Liang Wenfeng提供的答案还将为其他AI公司的发展道路提供重要的参考和灵感。回到Sohu，看看更多