GPT-5正式发布，尽管在测验集上登顶，但用户反应却褒贬不一，不少用户期望能保存GPT-4o。OpenAI期望经过添加模型路由功用，以不同模型，不同算力本钱满意不同用户需求的方针。
就现在的体会来看，OpenAI想要的“一致模型”的极力还负重致远。而GPT-5没有呈现模型才能的显着打破和技能范式的更新，OpenAI做的更多是产品化立异——GPT-5是一个错觉更少，更易用，能帮用户处理更多具体问题的模型，可是没有新才能，也没有完全处理大模型的某个结构性缺点。而近来，有外媒报导DeepSeek正在用国产芯片练习最新的模型，可是新模型的发布日期仍然不定。GPT-5的发布好像标明，大模型才能上限疑似撞墙。在这堵“Transformer才能鸿沟之墙”面前，OpenAI挑选了将现有才能产品化到极致，将“超级APP”的叙事进行到底。而DeepSeek在寻求模型上限的竞赛压力变缓时，正在敞开“自给自足”的支线使命。
专心要用AGI将人类社会带入“极度充足”状况的OpenAI在做超级APP的路上渐行渐远，营收和估值一路飙升；而期望探究AI才能上限，建立开源生态推进技能普惠的DeepSeek，需求解的或许是不同的标题。
或许多年后，当人们回忆大模型职业开展的时刻线时会发现，多条线路相交于DeepSeek R1和GPT-4o发布，分解于GPT-5之后。
01 功能霸榜却未达预期的GPT-5，加快产品化
商场等待的是一次范式搬运，一次足以从头界说人机交互的时刻。但终究的成果，更像是一次惯例的晋级。它的模型参数更多，练习数据更广，在一些基准测验中得分更高，但它在中心的智能层面，并未展现出革命性的前进。纽约大学名誉教授加里·马库斯曾用三个词来归纳GPT-5的表现：“缓不济急、过度炒作、平凡无奇”。
他的剖析指出，GPT-5未能铲除大型言语模型固有的缺点。它仍然会在某些时分假造实践，即所谓的“错觉”问题。在面临需求多步逻辑推理的使命时，它仍然会犯错。在供给实践世界的了解的多模态功能上，也没有什么质的进步。
这些问题在GPT-4年代就存在，业界曾期望GPT-5能供给处理方案，但实践是OpenAI挑选了对现有结构进行修补和优化。然后在此才能根底之上供给一个产品化更好，愈加易用的模型东西。
假如说中心智能的阻滞是技能专家和深度用户的感触，那么其在多模态才能上有限的前进，则让技能爱好者感到绝望。在GPT-5发布之前，一个遍贵&有人强奸我带刀还是带套#24030;强奸高中处女班长百度云0465;强奸判决书及的一致是，下一代人工智能的决胜场将是多模态。人们幻想中的GPT-5应该能像人类相同，无缝地接纳、了解和交融处理来自文本、图画、音频、视频等多种途径的信息。可是，实践中的GPT-5在多模态交互上的表现，更像是一个经过优化的GPT-4V。它能精准地完结描述性使命，比方辨认照片中的物体，但一旦使命转向了解，它的才能鸿沟就显现出来。
作为将Transformer算法才能和言语最早进行结合，用ChatGPT创始了大模型年代，又将强化学习有机地融入大模型的练习过程中，捅破了大模型推理才能天花板的OpenAI，一直以来都是业界的标杆。可是GPT-5发布之后，除掉功能上的“未达预期”之外，取得取得外界重视的特性好像都是产品等级的改变。
OpenAI期望经过“模型路由”功用来让用户防止在许多模型中进行挑选，下降新用户的运用门槛，一起也能合理化算力分配，使得OpenAI能够在有限的算力资源下为更多的用户供给愈加高质量的服务。
依照OpenAI的说法，尽管GPT-5大幅下降了模型的错觉，可是关于一些根底的数理问题和对实践世界的了解上，表现难以说得上令人满意，仍然会呈现许多显着的过错。相反，或许因为练习数据中用了更多的生产力相关内容，在情商上还有很大的让步，引得一般谈天用户用取关来要挟GPT-4o的“返场”。
GPT-5表现出OpenAI在大模型才能打破的“躺平”，简直直接宣告了“大模型才能墙”现已到来，或许至少是大模型技能打破暂时进入了平延期。未来模型才能能否从头回到“GPT-3到GPT-4o”这样的“蒙眼狂奔”的快车道，依靠于研究人员在底层技能上的打破和立异。
OpenAI前首席科学家Ilya曾经在2023年末的“Why next-token prediction is enough for AGI”访谈中关于AI技能开展趋势的总结好像某种程度上预言了这一刻的到来。
“不同的研究人员和项目会在一个时刻段内有不同的方向，然后当人们发现了一个技能有用之后，研究会向那个方向快速收敛，之后或许又会回归到之前百花争鸣的状况”
02 梁文锋能否捉住机遇，完结国产大模型的“自给自足”
假如Transformer技能墙真的现已到来，咱们对DeepSeek还能有什么合理的等待？纵观DeepSeek的产品发布前史，每一个重量级的发布，都在它自己的时刻线上处理了大模型技能上某个重要问题。
2024年5月的DeepSeek-V2系列则革命性地处理了长上下文处理的功率问题，创始多头潜注意力（MLA）机制，支撑高达128K token的处理，一起以极低的API定价（每百万token 2元人民币）引发了我国AI巨子的价格战，显着进步了大模型的可担负性和实践布置潜力。
2024年12月的DeepSeek-V3以671B参数的MoE架构上台，针对推理速度的痛点完成了每秒60token的3倍加快，功能到达GPT-4o的一起坚持资源高效，以一己之力简直拉平了开源模型和闭源模型功能上的距离。
2025年1月的DeepSeek-R1专心于推理才能的进步，在AIME和MATH使命上对抗或逾越OpenAI的o1模型，本钱远远低于其时的一切模型，经过App登顶美国App Store，处理了高端AI的拜访壁垒问题，&
而在V3和R1让DeepSeek完全出圈之后，它好像也从一家发源于量化，成名于大模型，变成了一家担负起了更多使命的科技公司。
依据外媒报导， DeepSeek现在正在将最先进大模型的练习搬运到国产芯片之上。大模型的国产化之路，远比一般人幻想的要困难。可是在不安稳的地缘政治等各种因素的影响之下，假如没有办法脱节对英伟达GPU的依靠，一切我国AI公司的头上，永久悬挂着一把达摩克里斯之剑。
而此刻OpenAI发布的GPT-5，暗示了以Transformer为中心的大模型技能，开展曲线暂时变缓。这给了包含DeepSeek在内的一切科技公司一个信号——能够在不断安稳进步模型功能的主线使命之外，定心地点开其他支线了。
而要完成前沿功能大模型从练习到推理的国产化，即使关于一家现已将大模型研制从“原子弹变成茶叶蛋”的顶尖AI公司来说，难度不亚于再研制一种全新的原子弹。这个过程中需求处理的技能问题，或许比练习DeepSeek之前发布的一切模型需求霸占的难题加起来还要多得多。
首先是国产GPU自身功能和英伟达的GPU的单卡功能比较仍然还有挨近代际的距离。即使是国产GPU现已能经过更密布的互联技能将单卡的功能距离极力补偿。可是要和硅谷大模型选用的英伟达“10万卡集群”竞赛，选用国产GPU练习功能最顶尖的模型，需求面临难以幻想的工程难题。
大模型研制离不开像PyTorch或TensorFlow这样的开源结构，这些结构原本是为世界干流硬件优化的。假如DeepSeek要国产化，就得把整个软件栈迁移到本乡硬件上，这意味着要重写或修正很多的代码来兼容本乡的核算架构。和开展了多年的老练干流开源结构和CUDA生态比较，重构的国产软件栈要在功能和安稳性上挨近现已开展近10年的干流处理方案，难度也相当大。
但假如DeepSeek能和国产硬件厂商继续密切配合，像DeepSeek将大模型的研制相同，从零开始一步步行至职业最前沿，才有期望完全解下头顶那柄达摩克里斯之剑。
在继续改善大模型练习和推理功率这个方向上，DeepSeek也仍然在继续探究，取得了令人瞩目的成果。
本年7月底，由DeepSeek团队和北京大学等组织宣布，梁文锋作为通讯作者的论文《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention》取得ACL 2025最佳论文奖。
https://arxiv.org/abs/2502.11089
这篇论文初次将稀少注意力从理论推理带进了完好练习流程，在坚持模型功能，进步练习功率的一起，还带来了高达 11 倍的推理加快。在自然言语处理顶会ACL上取得最佳论文奖，足以阐明业界关于这项技能含金量的认可。
乐意将这样在商业竞赛中起到关键作用的立异揭露，也表现了DeepSeek不断推进大模型技能普惠的决计和才能。
让咱们拭目而待，交融了更多像“原生稀少注意力”这样的DeepSeek新模型将会在才能和功率上带给业界多大惊喜，又能将大模型研制的国产化程度，推进到哪里。
本文来自微信大众号 “直面AI”（ID：faceaibang），作者：胡润 苗正，36氪经授权发布。