1 月 9 日，硅谷科技媒体《The Information》传出了一则重磅消息：DeepSeek 预计将在 2 月中旬发布新一代模型 DeepSeek V4。据爆料，V4 将主打编程能力与**超长代码提示（Context）**的处理能力。内部测试更显示，其在代码相关任务上的表现，可能已经超越了 Anthropic 的 Claude 和 OpenAI 的 GPT 系列。
但比传闻更耐人寻味的，是 DeepSeek 最近的一个“反常”动作。
在此之前，他们悄然更新了去年发布的 R1 论文——从原本的 22 页直接扩充到了 86 页！
这不仅仅是加了几张图，而是相当于把训练的“账本”和踩过的“坑”一次性全部摊开。这种“先补齐上一代，再发布下一代”的节奏，很难不让人联想：这或许正是在为 V4 铺路。
社区越理解 R1 的底层技术，就越能看清即将到来的 V4 到底强在哪里。
这份 86 页的“加料版”论文，主要更新了以下核心干货：
💰 1. 训练成本彻底透明
总计消耗 147K GPU 小时。如果按 H800 租赁价 $2/小时计算，总成本约 29.4 万美元。R1-Zero 与 R1 两个阶段加起来，不到 12 天就完成了训练。
📊 2. 数据“配方”公开
使用了约 15 万条 RL 数据，覆盖数学、代码（算法竞赛 + 真实 Bug 修复）、STEM 选择题、逻辑题等。文中甚至给出了“冷启动”数据的生成与重写流程。
💣 3. 失败经验“直球”复盘
很少有厂商愿意细说自己“怎么失败的”。但 DeepSeek 详细记录了 Reward Hacking（奖励黑客）与 PRM/MCTS 尝试的不足。最终他们选择了更稳妥的规则式奖励（如代码跑测试），强调模型要抗“讨好奖励函数”的鲁棒性。
⚙️ 4. 基础设施全披露
从 vLLM 推理、MoE 专家并行，到 MTP 自推理加速、DualPipe 流水并行，再到显存/内存/磁盘的自动 Offload 策略。这是一份企业级的架构参考。
🛡️ 5. 安全评估加码
补充了整整 10 页的安全报告，公开了风险审查 Prompt 和企业风控搭建思路。
如果传闻属实，V4 大概率会在春节前后亮相。
但无论 V4 表现如何，这份 86 页的补充论文本身已是“真正的开放”：它不仅给了权重和效果，更给了可复现的训练细节与基建做法。
对于开发者与企业而言，这份文档的价值在于：你可以照着把系统搭起来，避开已被证实的坑，在验证与安全上少走弯路。
一句话总结：DeepSeek 这一波，不是砸钱，而是砸效率；不是只开源“成果”，而是开源了“过程”。
V4 值得期待，但 R1 的这次扩写，已经让业界更接近“能用、可复现”的标准。
看来这个春节，AI 圈的各位是很难“躺平”了，咱们随时保持关注！
🔗 更多工具与 Claude Code 工作流实践：cc.guapihub.net
