DeepSeek 的 3T 模型：规模扩展需等待集群就绪

9月14日，DeepSeek 将停用 DeepSeek V4 Pro——这款于8月13日全面上线的1.6万亿参数旗舰模型——并对所有发往 deepseek-v4-pro的调用以DeepSeek V4.1 Flash来回应；后者是其在9月10日发布的5520亿参数模型。就在这一切换宣布的四天前，一位匿名 DeepSeek 观察者发帖提出了相反方向的尖锐说法：该实验室一直在研发一款3万亿参数模型，“可能是另一个 1T 参数的 Engram”，而其尚未发布的原因是经济考量，而非能力不足。

关于那个模型，没有任何一点得到确认。没有名称，没有代码仓库，没有配置文件，没有基准测试，没有发布窗口——只有一条 X 帖子，来源号称是“可靠权威”，而它唯一最有趣的细节，还被原作者明确标注为推测。把它当作一个信号，而不是一个事实。不过它仍然值得一读，因为这一说法的两半彼此拉扯、方向相反，而其中只有一半有可能在与 DeepSeek 自己的路线图接触后依然成立。

泄密事件实际说明了什么，又没有说明什么

这篇帖子来自账号 teortaxesTex，他是一位长期关注 Deep​Seek 的观察者，自称自 2023 年起就是这家实验室的粉丝。全文如下：“其实我有可靠消息来源，Deep​Seek 当时正在做一个 3T 模型（主干，可能又是 1T 参数的 Engram，不过这只是我的猜测）。他们只是不确定对它进行后训练并提供服务是否划算。等他们的集群规模扩大，我们就会看到一些……”

那两句话中有四件事有分量，其中一件根本不是事实。“可靠来源”未具名。参数数量以单一数字出现，没有区分总量和活跃量。关于Engram的题外话被推测者本人标注为推测。而“当它们的集群增长时”是一个没有附加日期的条件句。

• 正在被主张的是什么——即一个拥有 3 万亿参数的 Deep​Seek 模型正处于某种开发阶段。

• 明确属于作者本人猜测的是——其中大约1T是Engram记忆。

• 未知的是什么——它的名称、架构、活跃参数数量、上下文窗口、训练状态，以及它是否作为产品发布。

• 目前可以核实的内容——没有。没有任何 DeepSeek 仓库、模型卡、定价条目或文档条目提及它。

连算术都是含糊的。"3T模型（backbone，大概另有1T参数的Engram）"支持两种解读：要么是3T模型中约1T为Engram，要么是3T骨干加1T Engram，合计约4T。这中间一万亿参数的差距，对推理服务账单的影响超过多数实验室跑一次训练的开销。

同样值得记住的是，这个账号的过往记录好坏参半，远非神谕级权威。他把 DeepSeek 9 月 9 日关于重新路由 V4 Pro 流量的通知，解读为该实验室已“解决 V4 系列架构问题”的证据——这是个合理推断，但终究仍是推断。9 月初，他还提出过一种猜测：某第三方编程平台上的匿名隐身模型是 Xiaomi 的 MiMo-V3-Flash，这一点无人证实。是有用的早期信号；但并非权威信源。

有趣的部分是内存表，而不是参数数量。

Engram 是真实存在的，而这正是 3T 这一说法比乍听起来更可信的原因。Deep​Seek 于 2026 年 1 月发布了条件记忆架构，并附带了开源代码，而它做了一件不同寻常的事：将静态知识检索与动态推理分开。模型不再把 GPU 算力花在回忆事实上，而是将其上下文哈希到存放在 DRAM 中的嵌入表里，并以常数时间完成检索，查找路径中没有任何 GPU 工作；此外还有一个门控机制，当检索到的记忆与周围上下文冲突时，会将其抑制。

DeepSeek 为其自有测试配置所报告的数据才是应该记住的：一个 1000 亿参数的嵌入表被卸载到 DRAM，吞吐量损失低于 3%；在 100 万 token 下，“大海捞针”准确率为 97%，而标准注意力为 84.2%。这些是该实验室自己的数字，并非由我们复现。据报道，独立早期评估在同一上下文长度下落在 93–96% 区间——明显高于基线，但低于其宣称值。

把这个想法放大十倍，泄露的形态就会改变。如果一个3T模型的大部分额外参数是驻留在DRAM中的哈希表内存，而不是争夺HBM的专家，那么“3T”就不再是“无法服务”的代名词。总参数量与服务成本就此脱钩。这才是这次泄露中真正新颖的想法，也是已发表研究实际支持的部分。

需要提醒的是，Engram 论文据称并未涉及推理时的开销——延迟和吞吐量——而这恰恰是常驻 DRAM 的查找表如果要显现就最可能显现的地方。需要去获取的内存，并非免费获得的内存。

为什么 Deep​Seek 自家的 September 却持相反观点

反对即将推出 3T 产品的论据是，DeepSeek 刚刚在 1.6T 上做了这个实验，并用更小的东西回答了自己的问题。V4 目前的阶梯如下：

• DeepSeek-V4-Flash-0731 — 总参数量284B，每个token激活13B。

• DeepSeek-V4-Pro-0813 — 总计1.6T参数，激活49B参数，采用MIT许可证开放权重。

• DeepSeek V4.1 Flash — 基于因果编码器-解码器设计的552B骨干网络，在预填充阶段每个token激活8B参数，在解码阶段激活16B参数。

北京时间9月14日中午，中间档位登场。DeepSeek 将 V4 Pro 下线，并将针对 deepseek-v4-pro 的请求路由到 V4.1 Flash，按 Flash 费率计费，直到 V4.1 Pro 问世。官方定价页面今天列出两行，而按规模来看，二者都不是已退役模型的继任者：deepseek-flash 在高峰期每百万输入 token 为 $0.30、每百万输出为 $1.20，deepseek-v4-pro 为 $1.32 和 $3.96，非高峰费率为上述数字的一半。两者都列出 1M token 上下文窗口和 384,000 token 输出上限。

趋势已十分明显。一家实验室弃用其最大的模型，转而采用每个token激活参数量仅为前者十分之一的模型，这已然表明它得出结论：前沿能力的经济单位并非它能训练出的最大检查点。一个3T模型，其构建者不确定能否"经济地完成后训练并投入服务"——这并非关于犹豫的传闻；它所描述的是一家如今已掌握替代方案实测数据的实验室。

后训练是那个问题更尖锐的一半。DeepSeek-V4-Pro 系列在华为 CloudMatrix384 SuperPOD 上的全参数后训练，已被第三方 SLAI T-Rex 项目报告为 34.22% MFU，约为开放基线方案的 2.93 倍。这是一个令人鼓舞的数字——一个第三方数字，跑在 1.6T 模型上。骨干加倍，成本也大致翻倍，而这一切发生在一个 token 都还没被提供之前。

当它们的集群增长时

泄露文件里真正承重的那一条是最后一条，因为它是唯一有公开书面记录可循的部分。据报道，Deep​Seek 计划在内蒙古乌兰察布新建的数据中心部署至少 16 万块华为 Ascend 950DT 加速器，订单价值约 25.6 亿美元——这是迄今有人尝试过的最大的中国产 AI 芯片集群之一。

该计划附带的这些限制条件，比新闻标题本身更重要。这些芯片计划用于推理，而非训练：DeepSeek 此前曾尝试在华为芯片上训练，但目前仍在英伟达加速器上训练，而这正是 3T 模型实际需要的环节。交付可能需要一年多。预计部分产能将在 2027 年底至 2028 年初上线。而且，预计制约华为今年能生产多少颗 950DT 的，将是高带宽内存供应，而非逻辑芯片。

因此，对“当它们的集群增长时”的乐观解读意味着，3T模型最早要到2027—2028年才会出现；而悲观解读——即它仍是一个研究产物、永远不会成为产品——与DeepSeek在2026年交付的一切都相符。实验室周边的算力环境同样是一个有争议的政策问题，而非纯粹的供应问题：9月8日至9日，美国国家安全局、联邦调查局和网络安全与基础设施安全局联合指控包括DeepSeek在内的六家中国实验室以“工业规模”蒸馏美国前沿模型，中国商务部驳斥了这一指控。无论人们如何看待这一指控，一个依赖集群增长的发布都取决于DeepSeek内部无人能控制的决定。

什么能把这件事从泄露变成发布

这份清单简短而具体，但其中任何一项都尚未触发：

• Hugging Face 上 deepseek-ai 组织下的一个仓库，使用带版本号的检查点名称，而不是家族标识符。

• DeepSeek“模型与定价”页面上新增了一行。

• 实验室API文档新闻源上的一条带日期条目，采用实验室常用的newsYYMMDD格式。

• 一个模型标识符，而不是家族名称——DeepSeek 的各个版本对应的是检查点，而仅凭一个家族简称，迄今为止都只意味着预览版。

更近的里程碑是 Deep​Seek 的 V4.1 Pro，一名团队成员曾在 9 月 9 日将其称为路由窗口的终点。它同样没有公开的规格，没有参数量，没有价格，也没有日期。从某种意义上说，V4.1 Pro 是对这次泄露的检验：如果下一代旗舰大致落在 V4 Pro 的 1.6T 或更低，那么 3T 的说法至少已经延后了一代。

如果你本周要选择一款模型，这一切意味着什么

在2026年，3T模型已不再是一项采购决策，而DeepSeek九月的实际教训也根本无关规模。真正的教训在于：端点背后的模型可以发生变化，而端点的名称却保持不变。任何通过抽象层调用 deepseek-v4-pro 的人，都会在9月14日拿到一个不同、更小、更便宜的模型，而无需改动自己的代码。而任何直接对接单一提供商对该ID实现的人，只能得到该提供商决定给出的东西。

DeepSeek V4.1 Flash 和 DeepSeek V4 Pro 都在 OrcaRouter 上，使用同一个密钥，0% 加价——按供应商标价原样透传，这意味着 DeepSeek 9 月 10 日的价格调整当天就在这里以标价生效，而不是以某种加价后的版本生效。模型页面显示，在非高峰时段，每百万输入 token 为 $0.15，每百万输出 token 为 $0.60，这就是 DeepSeek 自己的非高峰价格，没有任何附加费用。跨供应商的自动故障转移是那种不起眼、但在像本周这样的时期最重要的功能：当某个供应商在某个端点底下把模型换掉时，正是路由层让这件事变成一次配置更改，而不是一次迁移。

如果 3T Deep​Seek 模型真有朝一日发布，它将由那些拥有足以承载它的集群的一方来提供服务，价格由算力决定。你会在同一个路由层遇到它——无需第二份合同，也无需重建任何东西。

悬而未决的问题不是 Deep​Seek 能否构建一个 3 万亿参数的模型。三篇已发表的架构论文、一套可用的记忆设计，以及一款其制造商称性能超过自家 1.6T 前代的 552B 模型，都表明该实验室知道该怎么做。问题在于是否有人愿意付费来提供它的服务——而从过去两周的证据来看，Deep​Seek 自己也不确定。关注集群，而不是参数数量。定价页面会比任何泄露都更快告诉你 Deep​Seek 实际推出了什么。