---
author: FearNation 世界苦茶
date: '2026-04-28'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=6YMrnOSzNLU
speaker: FearNation 世界苦茶
tags:
  - scaling-law
  - pretraining
  - reasoning-model
  - agentic-ai
  - model-distillation
title: DeepSeek V4与GPT-5.5：中国AI短暂黄金时代的终结?
summary: 本文分析了DeepSeek V4发布及其与GPT-5.5等模型的对比表现，并提出了AI发展的“三阶段论”。第一阶段为规模效应驱动，第二阶段是推理模型和Agentic范式兴起，通过“蒸馏”技术为中国AI模型带来红利。然而，随着2026年预训练规模效应的重新确立，对算力与参数有更高要求的顶尖基础模型再次成为竞争焦点，预示着中国AI通过特定路径实现快速追赶的“黄金时代”可能告一段落。
insight: ''
draft: true
series: ''
category: ai-ml
area: tech-engineering
project: []
people: []
companies_orgs:
  - OpenAI
  - Anthropic
  - Moonshot AI
  - DeepSeek
  - Zhipu AI
  - ByteDance
  - Alibaba
products_models:
  - DeepSeek V4
  - DeepSeek V3
  - DeepSeek R1
  - GPT-5.5
  - GPT-5.4
  - Kimi 2.6
  - Claude Opus 4.7
  - Claude Opus 5.4
  - Claude Opus 4.6
  - Gemini 3.1
  - Claude Sonnet 4.6
  - GLM-4 Pro
  - GLM-4 Flash
  - GPT-3
  - GPT-4
  - GPT-4.5
  - GPT-4o
  - GPT-5
  - GPT-6
  - ChatGPT o1
  - 通义千问
  - Anthropic Mysus
  - Mistral
  - Sora 2
  - 豆包
  - Seaweed
media_books: []
status: evergreen
---
### DeepSeek V4发布：表现平平与榜单解析

**DeepSeek V4** 终于发布了。此前，其发布日期一再推迟。在4月22日正式发布后，其效果却非常一般。我们可以参考一份全面的 **Coding Benchmark** 榜单，该榜单由拉西辆公布，并于4月24日，即DeepSeek V4发布后不久进行了测试。此次测试涵盖了包括 **DeepSeek V4**、**ChatGPT** 新发布的 **GPT-5.5**、以及中国月之暗面发布的 **Kimi 2.6** 在内的多个模型。

该Benchmark包含一系列测试指标，在综合跑分中，共有6个模型达到了A档。其中，**Claude Opus 4.7** 位列榜首，其次是 **Claude 5.4** 和 **GPT 5.4**，**GPT-5.5** 排名第三。紧随其后的是月之暗面的 **Kimi 2.6**（第四名）、**Claude Opus 4.6**（第五名）和 **Gemini 3.1**（第六名）。令人意外的是，**DeepSeek V3** 排名第七，与 **Claude Sonnet 4.6** 持平。而智谱的 **GLM-4 Pro** 甚至不如 **GLM-4 Flash**，仅排第十名，且只达到B等级，表现糟糕。在所有中国模型中，唯一进入A等级的是月之暗面的 **Kimi 2.6**。

在此次发布中，**DeepSeek V3** 并未像2025年年初 **R1** 发布时那样令人惊艳。2025年初 **R1** 发布时，其卓越的 **Reasoning Model** 能力获得了广泛认可，被认为与 **GPT** 体验相近，生成的文本质量极高。然而，对于此次 **DeepSeek V4**，许多用户可能会感到平淡，甚至不知所云。

### 中国AI的时代终结：从GPT-5.5谈起

我将用一个非常负面的词汇来形容此次 **DeepSeek V4** 的发布：这标志着中国AI模型一个时代的结束。

几乎同时，**ChatGPT** 发布了 **GPT-5.5**。尽管名称上只比 **GPT-5.4** 前进了一点点，但 **GPT-5.5** 实际上是一个全新的模型，即 **ChatGPT** 所谓的 **Spot**，一个全新预训练的 **大模型**（Large Language Model: 基于海量文本训练的AI系统）。大模型的预训练通常意味着从零开始或进行大规模的持续增量训练。

回顾 **ChatGPT** 的发展历程：
*   **GPT-3**：最初令人印象深刻。
*   **ChatGPT**：以对话式AI形式呈现。
*   **GPT-4**：实现了巨大飞跃，带来了完全不同的用户体验。
*   **GPT-4.5**：一次失败的预训练尝试，效果不佳，其API也很快退役。该版本代号为 **Orion**，当时 **OpenAI** 虽宣称其为“最大模型”，但用户普遍感受不到显著差异。
*   **GPT-5**：并非基础模型的重新训练，而是在 **Reasoning Model** 上的巨大飞跃，尤其是在 **Mixture of Experts**（MoE: 混合专家模型）方面。

因此，**GPT-5.5** 才是真正意义上重新预训练的成功，是 **Spot** 模型的首次大规模新预训练，并且是一次成功的预训练。为什么说它成功？尽管在刚才的榜单中，**GPT-5.5** 排名第三（**GPT-5.4** 排名第二），但其亮点在于显著降低了 **Reasoning** 所需的资源，同时实现了与 **GPT-5.4** 相当甚至更好的结果。之前，使用 **GPT Pro** 运行 **GPT-5.4** 的任务平均需要30分钟，而 **GPT-5.5** 则可缩短至六七分钟。这意味着 **GPT-5.5** 不仅能提供高质量结果，成本也远低于 **GPT-5.4**。**GPT-5.5** 之所以不叫 **GPT-6**，是因为其基本参数并未大幅飞跃，但已在现有参数基础上实现了更优效果，堪称一次极为成功的迭代。需要指出的是，**GPT-4o**（Omni: 多模态、全能）才是真正的多模态模型，而非 **GPT-4**。

### AI发展三阶段论：中国AI红利期的兴衰

为了理解 **GPT-5.5** 对 **DeepSeek** 的冲击，我将AI发展历程分为三个阶段。

#### AI发展第一阶段：规模效应主导（2020年-2024年上半年）

这一阶段从2020年 **GPT-3** 发布开始，历经 **ChatGPT**，直至划时代的 **GPT-4**。它证明了 **Scaling Law**（规模效应: 增加训练时间、扩大参数量即可大幅提升模型效率和结果）的有效性。只要投入更多算力、更多数据，就能显著提升模型表现。**GPT-4** 便是这一理论的明证。在此阶段，中国AI参与较少，直到 **DeepSeek V3** 于2024年末、**R1** 于2025年1月发布，中国模型才真正加入战场。

#### AI发展第二阶段：推理与Agentic范式（2024年三季度-2025年全年）

2024年三季度至2025年全年是第二阶段，特点是预训练的 **Scaling Crisis**（规模化危机）。自2024年5月 **GPT-4o** 发布后，**ChatGPT** 在预训练方面似乎进入了一个问题时期，转向了 **Agentic Reinforcement Learning**（智能体强化学习）。例如，2024年9月推出的 **ChatGPT o1** 是第一个 **Reasoning Model**（推理模型），它在 **GPT-4** 的基础上实现了推理能力，其 **Chain of Thought**（思维链: 模型通过一系列中间步骤进行推理）能力令人惊艳。尽管其基础模型（Base Model）无大进展，但展现了卓越效果。

**GPT-4.5**（2025年2月发布）的 **Base Model** 失败，其API在五个月后退役。从2024年9月起，**Reasoning Model** 成为主导。**DeepSeek R1**（2025年1月发布），其名称中的“R”即代表 **Reasoning**，是中国模型在2025年大爆发的代表。许多耳熟能详的中国大模型如 **通义千问**、**Kimi**、**智源** 等，在2025年纷纷涌现并取得了优异成绩，它们大多是 **Reasoning Model**。

**Reasoning Model** 成功的一个关键原因是其高度可 **蒸馏**（Distillation: 将大型复杂模型的知识转移到小型模型中）。这意味着即使基础模型（如 **DeepSeek V3**）表现较差且存在严重幻觉问题，通过结合优秀的思维链，也能产出好的结果。这种思维链是纯文本，可以通过大规模拷贝并作为奖励模型（Reward Model）进行训练，使其变得与源模型类似。例如，开源社区中，用 **通义千问** 蒸馏 **Claude** 的思维链已能取得良好效果。

因此，第二阶段对于中国模型而言是一个红利期：
1.  **技术路线红利**：即便基础模型稍逊，结合优秀的 **Reasoning** 也能产出好结果。
2.  **实现红利**：思维链可大规模拷贝进行蒸馏。

这使得中国模型在2025年百花齐放，取得显著成就。

从2025年下半年开始，**Agentic**（智能体: 能自主规划、执行复杂任务的AI系统）范式兴起，如 **Claude Code** 普及并成为强大的编程智能体。**Agentic** 与 **Reasoning** 的最大区别在于，**Agentic** 不仅依赖 **prompt**（提示: 引导模型行为的输入文本）和思维链，还依赖于一个 **Harness**（外部辅助系统: 围绕基础模型提供外部工具、文档、程序等支持）。**Anthropic** 的 **Harness** 称为 **Claude Code**，而 **OpenAI** 的则为 **Codex**。

**Agentic Model** 同样可以蒸馏，但比 **Reasoning Model** 难度更大，因为并非所有数据都可直接获取。然而，2026年 **Claude Code** 源代码的意外泄漏，为中国企业提供了学习和模仿的机会。即使在此之前，许多中国企业也已通过各种方式蒸馏 **Agentic Model**。目前，许多中国企业发布的是针对 **Agentic Model** 优化的模型，例如 **Kimi 2.6** 和 **智源** 的模型。

#### AI发展第三阶段：预训练规模效应重获主导（2026年至今）

进入2026年，预训练的 **Scaling Law** 重新被证明有效。两个关键事件是 **ChatGPT 5.5** 的发布和 **Anthropic Mysus**（代号“水豚”）的出现。**GPT-5.5** 证明了 **OpenAI** 成功进行了新的预训练。**Anthropic** 则从 **Claude 3**（2024年3月）到 **Claude 4**（2025年5月），再到 **Mysus**（2026年4月），几乎每12个月推出一个新模型，其预训练过程非常顺利，甚至在某些方面超越了 **OpenAI**。**GPT-5.5** 和 **Anthropic Mysus** 的成功共同证明了 **Scaling Law** 仍然有效，且预训练是最根本的。

这对于中国AI而言是个不利消息。第二阶段的成功依赖于“稍弱的基础模型 + **Reasoning**”或“稍弱的基础模型 + **Agentic**”来取得良好效果。然而，第三阶段又回到了最开始，即一个强大的 **Base Model** 自身就具备强大的泛化和衍生能力，不再过度依赖 **Reasoning** 或 **Agentic** 层。虽然 **Agentic** 部分已融入训练过程，但一个卓越的 **Base Model** 结合 **Reasoning** 和 **Agentic** 将更强大。

这种趋势对中国企业不利，因为预训练需要极大的算力（Compute Power）和海量的模型参数（Parameters），而中国在这些方面并不处于领先地位。例如，中国尚未能大规模采购 **H200** 显卡。尽管中国公司可以通过各种途径获取先进的 **Nvidia** 显卡进行训练，但平滑、高效的算力堆叠仍不如 **Anthropic** 和 **ChatGPT** 顺畅。

从2026年开始，以 **GPT-5.5** 和 **Mistral** 为代表，预训练的 **Scaling Law** 重新运作。这意味着中国不能再依靠较弱的 **Base Model** 取得好效果。例如，**DeepSeek V2** 仍然存在严重的幻觉问题，其表现甚至不如半年前的 **Claude** 和 **ChatGPT** 版本。2025年中国与国际模型的距离曾一度拉近，但随着对 **Base Model** 竞争的回归，这一差距可能会逐渐拉大。

**Claude** 和 **OpenAI** 在2026年选择了相同的路径：削减不必要的消费级应用扩展，全力保障企业研究和 **Base Model** 的发展。他们认为，在当前阶段，过度投入消费级应用价值不大。虽然 **OpenAI** 发布了新的图片模型，但其原理与文本模型相似（图片生成下一个像素，文本生成下一个词元），都属于 **Base Model** 的范畴。相比之下，字节跳动的 **Seaweed** 等模型，若要从图像或文本转换为视频，则并非典型的 **Transformer** 模式，其中包含大量为消费级优化进行的 **Fine-tune**。

目前，最新的战场是如何通过 **Scaling Law** 堆叠出强大的 **Base Model**。将大量资源投入消费级应用而导致 **Base Model** 落后，实属不智。中国企业如字节跳动的 **豆包** 和 **Seaweed** 在消费级应用上表现出色，拥有庞大的用户基础。但如果 **AI** 的能力边界远未触达，过早专注于消费级应用可能会局限于市场需求，而无法成为推动 **AI** 发展最远的公司，也不是中国当前发展 **AI** 能力最需要的方向。

### 总结：Base Model差距与中国AI的抉择

**AI** 的三个阶段：
1.  **2020年-2024年上半年**： **GPT-3** 到 **GPT-4** 阶段，由预训练的 **Scaling Law** 主导。
2.  **2024年三季度-2025年全年**： **OpenAI** 预训练遭遇挫折，**Scaling Law** 受质疑，**Reasoning Model** 兴起，是中国AI的红利期。
3.  **2026年至今**：预训练的 **Scaling Law** 重新被关注并取得良好效果，同时 **Agentic** 范式并行发展。

尽管 **Agentic Model** 仍可蒸馏，但难度更高。未来最大的差距将在 **Base Model** 层面拉开。2025年，除 **Claude** 以外，**Base Model** 的差距并未显著扩大，但从现在起，这一差距可能将加速拉大。

中国公司目前有多条路径：
*   **通义千问** 等已实现了不错的 **多模态** **Base Model**。
*   **DeepSeek** 拥有不错的 **Base Model**，但尚未实现多模态。
*   一些公司专注于 **Agentic Model**，如 **Kimi 2.6** 和 **智谱** 的 **GLM5**。

**Agentic Model** 确实具有商业化潜力，尤其在 **Coding** 等可程序化验证的任务中，易于通过后训练（Post Training）将一个普通 **Base Model** 优化为 **Agentic Model**。这是一种训练捷径，能帮助企业在特定应用上取得不错表现。但这条“狭窄路径”（Narrow Path）无法产生泛化的新能力，也无法实现迁移能力。

**DeepSeek** 此次发布仍强调其节省算力的优势，表明其在“便宜”市场定位。然而，AI的核心市场如信息安全、科学研究、企业大型项目编程等都是高利润领域，这些领域会选择最好的模型，而非仅仅最便宜的。这意味着小型模型或成本导向模型的边际效益将非常弱。

对于中国的开源模型而言，挑战巨大。 **阿里** 最新版 **通义千问 3.6** 已转为闭源，因为开源模式难以盈利。**OpenAI** 和 **Anthropic** 每年收入数百亿美元，而中国企业仅数千万至数亿美元。若持续开源，缺乏收入将限制算力投入和新模型训练能力；若转为闭源，则失去开源优势，且与顶尖模型仍存在差距。这使得中国企业面临艰难的抉择。

总而言之，第三阶段对 **Base Model** 的重新投入，对算力和参数不具备优势的中国企业不利。我提出的“三阶段论”——第一阶段为 **Pre-Train** 验证期，第二阶段为 **Reasoning** 红利期，第三阶段为 **Pre-Train** 加 **Agentic** 期——说明了中国AI通过“较弱 **Base Model** + **Reasoning** + 蒸馏”快速追赶的黄金时代已结束。**Base Model** 差距的扩大以及 **Agentic** 蒸馏难度的增加将成为巨大障碍。随着算力等问题，中美AI差距可能进一步拉大。