✦Redis 之父 antirez 上周发了篇博客，标题很直接：别被反 AI 的炒作蒙蔽了。
他说，用 Claude Code 改 linenoise 库支持 UTF-8、修 Redis 测试的瞬态故障、写一个纯 C 的 BERT 推理库——原本要几周的活，现在几小时搞定。"自己写代码已经不再明智，除非是为了娱乐。"
通俗易懂的说：AI 编程已经从"能用"变成了"不用就是傻"。
Salvatore Sanfilippo，（antirez 是他的网名）是Redis的作者和早期核心贡献者，是定义过一代基础设施的人。
无独有偶，Google的工程师Jaana Dogan在X上发了一条推文Claude Code，一个小时生成了他们团队折腾一年才搞出来的东西。
✦但问题来了
就在 AI 编程工具越来越香的时候，Anthropic 开始收紧口子了。
最近几个月，Claude 对第三方工具的态度越来越微妙。Cursor、OpenCode 这些依赖 Claude API 的编程工具，陆续遇到了各种限制——要么是 rate limit 收紧，要么是某些能力被"优化"掉了。
Anthropic 的逻辑很清楚：Claude Code 是亲儿子，第三方工具？你们自己看着办吧。
恰如 antirez 在文章里说的那句话：
"这项技术太过重要，不应掌握在少数公司手中。"
讽刺的是，他用来举例的工具，正是那个正在走向封闭的 Claude。
✦但还有一个选择：DeepSeek-V4
最近 DeepSeek 干了件有意思的事。
R1 论文发布快一年了，团队突然往里塞了 64 页新内容。没有任何预告，还是网友自己发现的。
信息密度这么高的材料，居然只是拿来给一篇旧论文"打补丁"。要知道，大多数期刊论文发完就算数了，后续要补也顶多是个勘误说明。
这些技术细节，是原本就有只是当时不方便公开，还是团队为了解答大家的疑问索性写了份"说明书"？不管答案是哪个，如此细致的工程披露，又把 R1 的可复现性往前推了一大步。
但从时间点来看，更耐人寻味。
DeepSeek 给 R1 收尾了，说明他们可能已经做出了更前沿的东西。
这个新闻消息主要来源于 The Information。
该媒体长期被视为高可信度的信息源之一。
它最新爆料就称：DeepSeek 预计将在未来几周发布下一代模型 DeepSeek-V4，并将重点强化代码能力；
而且重点是在公司内部基准测试中
V4 在编码任务上的表现已超过 Anthropic 的 Claude 以及 OpenAI 的 GPT 系列现有模型
这也是我凌晨 1 点爬起来写这篇文章的原因——要知道 DeepSeek 每一次发论文，都在推动整个行业往前走一大步。
不妨让我们把视角拉回 2025 年，看看 DeepSeek 在过去一年里到底干了些什么。
✦2025，DeepSeek 炸翻了整个 AI 圈
就在硅谷巨头忙着建护城河的时候，DeepSeek 在干嘛？
疯狂发论文、开源模型、把整个行业的价格体系打穿。
1 月：R1 发布，"开源 o1 时刻"
DeepSeek-R1 一出，直接把 OpenAI 的 o1 拉下神坛。
这玩意儿用纯强化学习训练，没喂任何人类标注的思维链数据，模型自己学会了"自言自语"——分步推理、自我验证、发现错误还会回溯修正。
更离谱的是蒸馏模型。R1-Distill-Qwen-32B 在数学任务上直接干翻了 o1-mini。一个 32B 的模型，消费级显卡就能跑。
英伟达股价当天跌了 17%。
2 月：登上 Nature，学术界认证
DeepSeek-R1 的论文被 Nature 正式收录。
这是第一篇由中国 AI 初创公司主导、经同行评审发表在 Nature 上的大模型论文。学术界用最高规格的认可告诉所有人：这条技术路线是对的。
黄仁勋说"省了 100 倍成本"，到底省在哪？
老黄在各种场合反复提 DeepSeek，说它帮全球 AI 行业省了 100 倍成本。
这话听着夸张，但拆开看还真不是吹的：
MLA（多头潜在注意力）：把 KV Cache 压缩了 93%。原本 128K 上下文要吃掉几百 GB 显存，现在塞进单卡没问题。显存省了，卡就省了，钱就省了。
MoE + 细粒度专家：671B 总参数，但每个 token 只激活 37B。你买的是 671B 的智商，付的是 37B 的电费。
FP8 混合精度训练：业界第一个大规模用 FP8 训千亿模型的。计算速度翻倍，显存占用减半。
GRPO 算法：强化学习不需要 Critic 模型了，显存直接省一半，训练还更稳。
这些技术叠加起来，DeepSeek-V3 的训练成本是 560 万美元。GPT-4？保守估计 1 亿美元起。
同样的智能水平，成本差了 20 倍。如果算上推理侧的优化，100 倍真不夸张。
✦封锁越来越紧，但门没关死
2025 年的 AI 圈，封闭化已经是明牌了：
- • OpenAI 限制中国、香港地区访问 ChatGPT
对于很多开发者来说，连模型都用不上了。
但 DeepSeek 把另一扇门踹开了。
权重开源、本地部署、Ollama 一键跑。你的数据不出本地，你的模型不看任何人脸色。
这才是真正的"AI 民主化"。
✦DeepSeek 和 Claude，其实很像
说个有意思的事：DeepSeek 和 Anthropic 其实都是技术和概念的先行者。
Anthropic 搞出了什么？MCP（Model Context Protocol）、Skill、Claude Code、Computer Use。每一个都是在定义 AI 应用的新范式。
“DeepSeek 搞出了什么？MLA、DeepSeekMoE、GRPO、DSA（稀疏注意力）。这些工作分别从注意力机制、MoE 结构与强化学习优化等方向提出了有影响力的改进，推动了大模型底层架构与训练范式的演进
区别在于：Anthropic 越来越强闭源，模型收的越来越紧，DeepSeek 的创新是开源的。
这就是为什么我觉得 DeepSeek 可能真的会改变格局——它在用开源的方式，做 Anthropic 级别的创新。
✦V4 会带来什么？
结合 DeepSeek 之前的节奏：
- • V2 搞定了 MLA 和 MoE，推理成本砍了一个数量级
- • V3 搞定了 FP8 训练，训练成本砍了一个数量级
- • R1 搞定了纯 RL 推理，让小模型也能"思考"
- • V3.2 搞定了 DSA，大多数公开基础测试已经超越了 GPT-5 这是没有工具调用的.如果把工具调用纳入系统设计，并配合系统性的后训练与评测闭环迭代，理论上以持续做出比 GPT-5 更强的模型
每一篇论文都是实打实的技术突破，每一次发布都让行业重新定价。
V4 如果真的在长上下文代码生成上突破，Claude 在编程领域的护城河就真的危险了。
想想看：一个开源的、本地可跑的、能处理整个代码仓库的模型。
谁还需要看谁的脸色？
✦为什么 DeepSeek 值得关注
antirez 还提到一个有意思的观察：
"开源模型，尤其是中国开发的模型，仍在与封闭实验室的前沿模型竞争。"
他说的就是 DeepSeek。
你不用看任何公司的脸色。模型在你自己的机器上，数据不出本地，想怎么用怎么用。
假如DeepSeek V4的工程与编程能力确实和爆料一样那么优秀
那么最先被击穿的，将是应用与软件开发的门槛。
SaaS、内部系统、定制化开发，将不再高度依赖庞大的初级工程师团队。能力被模型吸收，效率被系统放大。
中国软件产品从构想到落地的周期，会进一步压缩
并且它代表的高效模型路径，使端侧部署第一次具备现实可行性
✦写在最后
antirez 说得对：AI 编程的乐趣从未消逝，只是换了一种形式。
但他可能没想到，他最依赖的工具正在关上大门。
好在，门外还有人在造新的钥匙。
而且这把钥匙，可能比原来那扇门还好使。
✦
✦我是木乔，致力于把 AI 调教成"全自动打工仔"的开发者和产品经理。
关注我，一起探索让 AI 更懂你的方式。
✦引用来源
| | |
|---|
| Don't fall into the anti-AI hype | https://antirez.com/news/158 |
| | https://www.nature.com/articles/s41586-025-09422-z |
| | https://arxiv.org/abs/2412.19437 |
| | https://arxiv.org/abs/2501.12948 |
| | https://modelcontextprotocol.io |
