Il modello 3T di DeepSeek: lo scale-up che deve aspettare i cluster

Il 14 settembre, Deep​Seek ritirerà DeepSeek V4 Pro — il modello di punta da 1,6 trilioni di parametri che ha portato in disponibilità generale il 13 agosto — e risponderà a ogni chiamata a deepseek-v4-pro con DeepSeek V4.1 Flash, il modello da 552 miliardi di parametri che ha rilasciato il 10 settembre. Quattro giorni prima che quel passaggio venisse annunciato, un osservatore sotto pseudonimo di Deep​Seek ha pubblicato qualcosa di pungente nella direzione opposta: che il laboratorio stava lavorando a un modello da 3 trilioni di parametri, "probabilmente un altro Engram da 1T di parametri", e che il motivo per cui non è uscito è economico più che di capacità.

Di quel modello non è confermato nulla. Non c’è un nome, non c’è un repository, non c’è un file di configurazione, non c’è un benchmark, non c’è una finestra di rilascio — un solo post su X, attribuito a una "fonte autorevole", con il suo singolo dettaglio più interessante esplicitamente segnalato dal suo stesso autore come speculazione. Trattalo come un segnale, non come un fatto. Vale comunque la pena leggerlo, perché le due metà dell’affermazione tirano in direzioni opposte e solo una delle due è probabilmente destinata a sopravvivere al contatto con la roadmap di DeepSeek.

Cosa dice effettivamente la fuga di notizie, e cosa non dice

Il post proviene dall'account teortaxesTex, un osservatore di DeepSeek di lunga data che si descrive come un fan del laboratorio dal 2023. Il testo completo recita: "In realtà, so da fonte attendibile che DeepSeek stava lavorando a un modello da 3T (backbone, probabilmente un altro Engram da 1T di parametri, ma questa è una mia supposizione). Semplicemente non erano sicuri che sarebbe stato economicamente conveniente fare post-training e servirlo. Quando i loro cluster cresceranno, ne vedremo qualcuno..."

Quattro cose in quelle due frasi hanno peso, e una di esse non è affatto un fatto. La "fonte autorevole" non è nominata. Il conteggio dei parametri arriva come un unico numero, senza distinzione tra totale e attivi. L'inciso su Engram è etichettato come speculazione dalla persona che specula. E "quando i loro cluster crescono" è un condizionale a cui non è associata alcuna data.

• Che cosa si sta affermando — che esiste un modello DeepSeek da 3 trilioni di parametri in qualche fase di sviluppo.

• Ciò che è esplicitamente una congettura dell'autore stesso — ovvero che circa 1T di esso sia memoria Engram.

• Ciò che è sconosciuto — il suo nome, l'architettura, il numero di parametri attivi, la finestra di contesto, lo stato di addestramento e se sarà mai rilasciato come prodotto.

• Cosa è verificabile in questo momento — nulla. Nessun repository, scheda del modello, riga di prezzo o voce di documentazione di Deep​Seek lo menziona.

Persino l'aritmetica è ambigua. «modello 3T (backbone, probabilmente altri 1T di parametri Engram)» ammette due letture: un modello 3T di cui circa 1T è Engram, oppure un backbone 3T con altri 1T di Engram accanto, per un totale di circa 4T. Quel divario è di un trilione di parametri e cambia la bolletta del serving più di quanto la maggior parte dei laboratori spenda per una sessione di addestramento.

Vale anche la pena ricordare che il track record di questo account è misto, non di livello oracolare. Ha letto l'avviso del 9 settembre di Deep​Seek sul reindirizzamento del traffico di V4 Pro come prova che il laboratorio avesse «risolto i problemi architetturali della famiglia V4» — un'inferenza ragionevole, e pur sempre un'inferenza. All'inizio di settembre ha anche avanzato l'ipotesi che un modello stealth anonimo su una piattaforma di coding di terze parti fosse MiMo-V3-Flash di Xiaomi, cosa che nessuno ha confermato. Un segnale precoce utile; non una fonte di riferimento.

La metà interessante è la tabella di memoria, non il numero di parametri

Engram è reale, ed è il motivo per cui un'affermazione di 3T è più plausibile di quanto non sembri a prima vista. Deep​Seek ha pubblicato l'architettura a memoria condizionale a gennaio 2026 con codice open source allegato, e fa qualcosa di insolito: separa il recupero statico della conoscenza dal ragionamento dinamico. Invece di spendere potenza di calcolo GPU per ricordare fatti, il modello esegue l'hashing del suo contesto in tabelle di embedding mantenute nella DRAM e recupera in tempo costante, senza alcun lavoro della GPU nel percorso di ricerca, più un meccanismo di gating che sopprime una memoria recuperata quando entra in conflitto con il contesto circostante.

I valori che Deep​Seek ha riportato per la propria configurazione di test sono quelli da tenere a mente: una tabella di embedding da 100 miliardi di parametri scaricata su DRAM con una penalizzazione di throughput inferiore al 3%, e un'accuratezza needle-in-a-haystack del 97% a 1M token contro l'84,2% dell'attenzione standard. Questi sono i numeri del laboratorio, non riprodotti da noi. Secondo quanto riportato, valutazioni preliminari indipendenti si sono attestate nell'intervallo 93–96% alla stessa lunghezza di contesto — al di sopra della baseline, al di sotto della dichiarazione.

Moltiplica quell'idea per dieci e la forma della fuga di notizie cambia. Se la maggior parte dei parametri extra di un modello 3T è memoria delle tabelle hash che risiede nella DRAM anziché esperti che competono per la HBM, allora "3T" smette di essere un proxy per "non servibile". Il numero totale di parametri e il costo di serving si dissociano. Questa è l'idea autenticamente nuova in questa fuga di notizie, ed è la parte che la ricerca pubblicata supporta davvero.

Il caveat è che il paper Engram, secondo quanto riportato, non affronta l'overhead in fase di inferenza — latenza e throughput — che è esattamente il punto in cui una tabella di lookup residente in DRAM salterebbe fuori, se salta fuori da qualche parte. La memoria che devi andare a recuperare non è memoria che ottieni gratis.

Perché il September di Deep​Seek sostiene il contrario

L'obiezione a un prodotto 3T di prossima uscita è che Deep​Seek ha appena eseguito l'esperimento a 1,6T e ha risposto alla propria domanda con qualcosa di più piccolo. La scala V4 allo stato attuale:

• DeepSeek-V4-Flash-0731 — 284B parametri totali, 13B attivi per token.

• DeepSeek-V4-Pro-0813 — 1,6T totali, 49B attivi, pesi aperti con licenza MIT.

• DeepSeek V4.1 Flash — backbone da 552B su un'architettura Causal Encoder-Decoder che attiva 8B parametri per token durante il prefill e 16B durante il decode.

Il 14 settembre a mezzogiorno, ora di Pechino, esce il livello intermedio. DeepSeek mette offline V4 Pro e indirizza le richieste per deepseek-v4-pro a V4.1 Flash, fatturate alle tariffe di Flash, finché non esisterà un V4.1 Pro. La pagina ufficiale dei prezzi oggi riporta due righe, e nessuna delle due è, per dimensioni, il successore del modello ritirato: deepseek-flash a 0,30 $ per milione di token di input e 1,20 $ per milione di output nelle ore di punta, deepseek-v4-pro a 1,32 $ e 3,96 $, con tariffe fuori punta pari alla metà di tali cifre. Entrambe riportano una finestra di contesto di 1M token e un tetto di output di 384.000 token.

La direzione di marcia non è affatto sottile. Un laboratorio che dismette il suo modello più grande a favore di uno che attiva un decimo dei parametri per token ha già concluso che l'unità economica della capacità di frontiera non è il più grande checkpoint che può addestrare. Un modello 3T il cui costruttore non è sicuro che possa essere "sottoposto a post-training ed erogato in modo economico" non è una diceria sull'esitazione; descrive un laboratorio che ora dispone di dati misurati sull'alternativa.

Il post-training è la metà più critica di quel problema. Il post-training a parametri completi della linea DeepSeek-V4-Pro su CloudMatrix384 SuperPOD di Huawei è stato riportato dal progetto SLAI T-Rex di terze parti a 34,22% MFU, circa 2,93x la ricetta baseline aperta. È un numero incoraggiante — un numero di terze parti, su un modello da 1,6T. Raddoppiare la backbone raddoppia all'incirca il conto prima che venga servito un singolo token.

"Quando i loro cluster crescono" è l'intera frase.

La clausola portante nel leak è l'ultima, perché è l'unica parte con una traccia documentale pubblica. Secondo quanto riportato, DeepSeek starebbe pianificando almeno 160.000 acceleratori Ascend 950DT di Huawei in un nuovo centro dati a Ulanqab, in Mongolia Interna, con un ordine del valore di circa 2,56 miliardi di dollari — uno dei più grandi cluster di silicio per l'IA di produzione cinese che siano mai stati tentati.

Le avvertenze legate a quel piano contano più del titolo. I chip sono previsti per l'inferenza, non per l'addestramento: Deep​Seek ha già provato ad addestrare su silicio Huawei e continua ad addestrare su acceleratori Nvidia, che è il passo di cui un modello da 3T avrebbe effettivamente bisogno. La consegna potrebbe richiedere più di un anno. Si prevede che una capacità parziale sarà online tra la fine del 2027 e l'inizio del 2028. E si prevede che sarà l'offerta di memoria ad alta larghezza di banda, non la logica, a limitare quante unità 950DT Huawei potrà costruire quest'anno.

Quindi la lettura ottimistica di "quando i loro cluster crescono" colloca un modello 3T su un orizzonte temporale 2027–2028 al più presto, e la lettura pessimistica — che resti un artefatto di ricerca e non diventi mai un prodotto — è coerente con tutto ciò che Deep​Seek ha rilasciato nel 2026. L'ambiente di calcolo attorno al laboratorio è anch'esso una politica contestata più che una pura questione di approvvigionamento: l'8–9 settembre l'NSA, l'FBI e la CISA hanno congiuntamente sostenuto che sei laboratori cinesi, incluso Deep​Seek, hanno distillato modelli di frontiera statunitensi su "scala industriale", un'accusa che il ministero del commercio cinese ha respinto. Qualunque cosa si pensi dell'accusa, un rilascio che dipende dalla crescita dei cluster dipende da decisioni che nessuno all'interno di Deep​Seek controlla.

Cosa trasformerebbe questo da una fuga di notizie in un lancio?

La checklist è breve e specifica, e nessuna voce è ancora scattata:

• Un repository sotto l'organizzazione deepseek-ai su Hugging Face, con un nome di checkpoint versionato anziché uno slug di famiglia.

• Una nuova riga nella pagina Modelli e prezzi di Deep​Seek.

• Una voce datata sul feed di notizie della documentazione API, nel consueto formato newsYYMMDD del laboratorio.

• Un identificatore di modello, non un nome di famiglia — Deep​Seek versiona i checkpoint, e uno slug di famiglia nudo finora ha significato un'anteprima.

Il traguardo più vicino è V4.1 Pro, che un membro del team DeepSeek ha citato il 9 settembre come punto finale della finestra di routing. Non ha specifiche pubblicate, né un numero di parametri, né un prezzo, né una data. In un certo senso, V4.1 Pro è la prova di questa fuga di notizie: se la prossima ammiraglia si attesta all'incirca sugli 1,6T del V4 Pro o al di sotto, l'affermazione sui 3T ha slittato di almeno una generazione.

Che cosa significa tutto questo se stai scegliendo un modello questa settimana

Un modello 3T non è una decisione di acquisto nel 2026, e la lezione pratica del settembre di Deep​Seek non riguarda affatto la scala. È che il modello dietro un endpoint può cambiare mentre il nome dell'endpoint resta esattamente lo stesso. Chiunque chiami deepseek-v4-pro attraverso un livello di astrazione ottiene un modello diverso, più piccolo e più economico il 14 settembre senza toccare il proprio codice. Chiunque sia collegato direttamente all'implementazione di quell'ID da parte di un singolo fornitore ottiene qualunque cosa quel fornitore decida di fare.

Sia DeepSeek V4.1 Flash sia DeepSeek V4 Pro sono su OrcaRouter sotto un'unica chiave con markup 0% — il prezzo di listino del provider viene passato tal quale, il che significa che la modifica dei prezzi di DeepSeek del 10 settembre è attiva qui lo stesso giorno al prezzo di listino, anziché a una qualche versione maggiorata di esso. La pagina del modello riporta $0,15 per milione di token di input e $0,60 per milione di output nella fascia off-peak, che è il valore off-peak di DeepSeek stesso e niente in più. Il failover automatico tra provider è la funzionalità poco appariscente che conta di più in una settimana come questa: quando un fornitore sostituisce il modello sotto un endpoint, il livello di routing è il punto in cui ciò diventa una modifica di configurazione invece di una migrazione.

Se un modello Deep​Seek da 3T dovesse mai essere rilasciato, verrà servito da chiunque abbia i cluster per ospitarlo, a un prezzo dettato dalla potenza di calcolo. È lo stesso livello di routing in cui lo incontreresti — senza un secondo contratto e senza ricostruire nulla.

La domanda aperta non è se DeepSeek sia in grado di costruire un modello da 3 trilioni di parametri. Tre articoli pubblicati sull'architettura, un design di memoria funzionante e un modello da 552B che, secondo il suo creatore, supera il proprio predecessore da 1,6T suggeriscono tutti che il laboratorio sappia come fare. La domanda è se qualcuno pagherà per servirlo — e, stando alle prove delle ultime due settimane, la stessa DeepSeek non ne è sicura. Guarda il cluster, non il numero di parametri. La pagina dei prezzi ti dirà ciò che DeepSeek rilascia effettivamente più in fretta di qualsiasi fuga di notizie.