4月10日，据多位知情人士向《创智记》透露，deepseek创始人梁文锋在内部沟通中首次明确了v4的发布节奏——备受期待的新一代旗舰大模型deepseekv4计划于4月下旬正式与公众见面。

凤凰网科技就此消息向deepseek方面询问，截至发稿未取得回应。

此前，deepseek刚刚完成版本更新。首次在模式上进行分层，推出了快速和专家两个模式。在点击开始入口处，原本“体验deepseekv3.2”的字样也消失不见了。

优等生deepseek的烦恼

deepseekv4的扑朔，建立在一个复杂的背景之上。

2025年初，r1的发布，曾经是国内大模型创企挥之不去的“阴影”。用了半年时间，这些曾经的明星企业才凭借新的旗舰模型回到公众视野，或上市、或开启新一轮融资。

在成名前，梁文锋曾与少部分vc进行过会谈，但据当时与其有过接触的人士向凤凰网科技表述，梁文锋的本意也不是融资，而是看看机构的风格。

《晚点latepost》也在报道中写道，梁文锋曾在会面中提出类似openai与微软投资协议的回报上限条款，但无机构接受，此后再无投资人会面。

2025年成名后，deepseek的风格是更加对内收敛,一些原本在社交媒体更新的员工账号开始停更。

据《晚点latepost》报道，deepseek不加班，他们不打卡、没有明确的绩效考核，平日多数成员会在下午6点至7点左右离开公司。

但随着智谱、minimax等公司上市后激增的市值，deepseek的估值问题正成为内部压力点。deepseek员工对手中未定价的期权有了更多疑问，梁文锋近期开始考虑公司估值的问题。

除此之外，从2025年秋天起，梁文锋开始更多提及“产品化和商业化”。在公开的招聘信息中，官方hr也表述有产品、设计、数据百晓生等岗位开放。甚至是职能岗也在扩充,早在2025年11月，deepseek还开放过行政招聘，据相关人士表述“是因为团队大了，需要更多的行政伙伴”。

变化之下，可能让拖延数月的v4存在诸多变数，但其掀起的热潮不会迁移。

openrouter平台数据显示，2026年2月，中国大模型在openrouter上周调用量首次超过美国模型，这一态势一直持续到3月。本周，排在前五位的模型，依旧有三个来自中国，分别是排名第一的deepseekv3.2和排名第二的minimaxm2.7和第四的minimaxm2.5。

毫无疑问，deepseekv4的到来，有望延续这份优势。

v4算不算deepseek的分水岭？

把r1和v4放在一起看，这个变化的轮廓会变得更清晰。

r1的突破是范式性的——它在学术层面开创了“纯强化学习激发推理能力”的新路径，论文登上nature封面，以586万美元的成本实现了对标gpt-4的性能，彻底改变了全球对中国ai模型的认知。

huggingface在“deepseek时刻一周年”回顾中指出，r1“降低了技术与应用门槛，不仅是中国ai发展的转折点，更在全球范围内引发了开源模式的深刻变革”。

v4的战略意义截然不同。它不再回答“中国能不能做出世界级模型”，而是在回答两个更具体的问题：“中国ai能不能在算力封锁下持续进化”，以及“大模型能不能变成能赚钱的企业级产品”。

所以，v4算不算deepseek的分水岭？

如果说r1是deepseek在“纯推理”路线上站住脚、打响全球名声的第一枪，那么v4就是deepseek证明自己不只是“技术奇才”、而是能在中国ai产业生态中找到不可替代位置的标志性产品。

r1的意义在于“做了一件别人觉得中国公司做不了的事”。v4的意义在于“在一个被封锁的环境中，自己铺了一条能走下去的路”。

与此同时，站在学术界，新的风向也在产生。deepseek的使命一度是探索未知，追求agi。

去年底，姚顺雨、林俊旸、杨植麟、唐杰等人在清华同台，探讨的是底层范式的话题。在海外，yannlecun言称llm是“死胡同”，jimfan说“视觉是连接大脑、运动系统和物理世界的最高带宽通道”。甚至一些观点认为，追求agi的重任或许该落在世界模型身上了。

敏感的vc，是最早嗅到市场风向的人。颇为巧合的是，代表世界模型阵营的李飞飞和杨立昆，均刚刚完成10亿美元级别的新融资，国内代表生数科技4月10日也刚刚官宣获得了a++轮融资，融资金额近20亿人民币。

就目前披露的信息而言，deepseek选择的仍然是基于llm架构的优化和工程化落地。而v4最核心的突破是集中在这三件事上：万亿参数moe架构、原生多模态能力和国产芯片适配。

对于deepseek来说，在算力和资金都存在约束的情况下，把资源投向架构效率和国产化适配，比追逐一个距离产品化还很遥远的范式，更务实、更符合它“少花钱办大事”的底色。

值得注意的是，deepseek并非完全没有多模态的积累。此前开源的deepseek-ocr系列已经展示了将视觉作为文本压缩媒介的探索，通过将文本以图片方式输入，极大减少token消耗。

但这些探索的方向仍然是“优化文本模型的效率和成本”，而不是“构建对物理世界的理解和预测”。

如果拉长时间线来看，deepseek的这条“分水岭”可能还有更深的一层含义——它不是一条岔路，而是一道选择题：在中国ai产业的现实土壤上，是追随“世界模型”的范式革命，还是在现有架构上把工程优化和自主可控做到极致？

当然，如果deepseek未来真的在视觉和空间推理上投入更多资源，以它的架构创新能力，切入“轻量级世界模型”领域并非不可能。但在当下，v4的任务很清楚：在中国ai产业最需要的方向上，交出一份能打的答卷。

这个选择是否成立，不需要等太久。4月下旬v4正式发布后，市场的反馈会给出最诚实的答案。