DeepSeek 的 3T 模型：必須等待叢集的規模擴充

9 月 14 日，DeepSeek 將淘汰DeepSeek V4 Pro——這款 1.6 兆參數、於 8 月 13 日正式全面開放的旗艦模型——並在回應每一通打給deepseek-v4-pro的呼叫時，以DeepSeek V4.1 Flash作為回應，這款 5520 億參數的模型於 9 月 10 日發布。在那次切換公告的四天前，一位匿名 DeepSeek 觀察者發表了某種指向相反方向的尖銳說法：該實驗室一直在研發一款 3 兆參數的模型，「大概是另一個 1T 參數的 Engram」，而它尚未推出是因為經濟因素，而非能力。

關於那個模型，沒有任何事獲得證實。沒有名稱、沒有儲存庫、沒有設定檔、沒有基準測試、沒有發布時程——只有一則 X 貼文，來源被指為「可靠權威」，而其中唯一最有趣的細節，還被作者本人明確標示為推測。把它當成一個訊號，而不是事實。不過它仍然值得一讀，因為這項說法的兩個部分彼此拉扯、方向相反，而其中只有一個有可能在與 Deep​Seek 自身路線圖接觸後仍站得住腳。

這份外洩內容實際上說了什麼，以及它沒說什麼

這則貼文來自帳號 teortaxesTex，一位長期關注 Deep​Seek 的觀察者，他自稱自 2023 年起就是該實驗室的粉絲。全文如下：「其實我有可靠消息指出，Deep​Seek 當時正在開發一個 3T 模型（主幹，可能還有另一個 1T 參數的 Engram，但這只是我的推測）。他們只是不確定對它進行後訓練並提供服務是否划算。等他們的叢集規模擴大，我們就會看到一些……」

那兩句話裡有四件事具有分量，而其中一件根本不是事實。「可靠的消息來源」並未具名。參數數量只以單一數字出現，並未區分總數與啟用數。Engram 那段附帶提及，被提出推測的人自己標明為推測。而「當它們的叢集成長時」是個條件句，並未附上任何日期。

• 被聲稱的內容是什麼——一個處於某個開發階段的 3 兆參數 Deep​Seek 模型存在。

• 作者明確表示純屬自己猜測的是什麼——其中大約 1T 是 Engram 記憶體。

• 未知的部分——它的名稱、架構、活躍參數數量、上下文視窗、訓練狀態，以及它究竟是否會以產品形式推出。

• 現在可驗證的是什麼——什麼都沒有。沒有任何 Deep​Seek 儲存庫、模型卡、定價列或文件條目提及它。

甚至連算術本身都有歧義。「3T 模型（骨幹，可能還有另一個 1T 參數的 Engram）」有兩種解讀：一種是 3T 模型中約有 1T 是 Engram；另一種是 3T 骨幹再加上另一個 1T 的 Engram，總共約 4T。這個差距寬達一兆個參數，而且它對推論服務帳單的影響，比大多數實驗室花在一次訓練上的支出還大。

同樣值得記住的是，這個帳號的紀錄好壞參半，而非神諭級。他把 DeepSeek 9 月 9 日關於重新導向 V4 Pro 流量的通知，解讀為該實驗室已「解決 V4 系列架構問題」的證據——這是合理的推論，但仍只是推論。九月初，他也拋出一個說法：某第三方程式開發平台上的一個匿名隱形模型是小米的 MiMo-V3-Flash；此事無人證實。這是有用的早期訊號，但不是正式紀錄來源。

有趣的那一半是記憶體表，而不是參數數量。

Engram 是真實存在的，而這正是為何 3T 的說法比乍聽之下更合理的原因。Deep​Seek 在 2026 年 1 月發表了這個條件式記憶架構，並附上開源程式碼，而它做了一件不尋常的事：它將靜態知識檢索與動態推理分開。模型不是花費 GPU 運算來回想事實，而是將其上下文雜湊成保存在 DRAM 中的嵌入表，並以常數時間檢索，查找路徑中沒有任何 GPU 工作，還有一個閘控機制，會在檢索到的記憶與周遭上下文衝突時將其抑制。

DeepSeek 針對自家測試配置所報告的數字，才是值得牢牢記住的：一張一千億參數的嵌入表以低於 3% 的吞吐量損失卸載到 DRAM，以及在 1M tokens 下，大海撈針準確率達 97%，而標準注意力為 84.2%。那些是該實驗室自家的數字，並非由我們重現。據報導，獨立早期評估在相同上下文長度下落於 93–96% 區間——高於基線，但低於其宣稱。

把這個想法放大十倍，外洩內容的樣貌就會改變。如果一個 3T 模型多出來的參數，大部分是存放在 DRAM 中的雜湊表記憶體，而不是競爭 HBM 的專家，那麼「3T」就不再是「無法提供服務」的代名詞。總參數量和服務成本就此分道揚鑣。這才是這次外洩中真正嶄新的想法，而這也是已發表研究實際支持的部分。

需要注意的是，據報導，Engram 論文並未處理推論時的額外負擔——延遲與吞吐量——而這正是 DRAM 常駐查找表如果真會在哪裡顯現，就一定會顯現的地方。你必須特地去取用的記憶體，並不是你能免費獲得的記憶體。

為何 DeepSeek 自家的 September 卻主張相反論點

反對 3T 產品即將推出的理由在於，DeepSeek 才剛在 1.6T 上做了這個實驗，並用更小的東西回答了自己的問題。目前 V4 的階梯如下：

• DeepSeek-V4-Flash-0731 — 總參數 284B，每個 token 啟用 13B。

• DeepSeek-V4-Pro-0813 — 總計 1.6T，活躍參數 49B，以 MIT 授權條款開放權重。

• DeepSeek V4.1 Flash — 採用因果編碼器-解碼器設計的 552B 主幹，在預填充階段每個符記啟用 8B 參數，解碼階段則啟用 16B。

北京時間9月14日中午，中階版本登場。DeepSeek 將 V4 Pro 下線，並將針對 deepseek-v4-pro的請求路由至 V4.1 Flash，按 Flash 費率計費，直到 V4.1 Pro 問世為止。官方定價頁面今天列出兩行，而就規模而言，兩者都不是這個已退役模型的接班機型：deepseek-flash在尖峰時段為每百萬輸入 token 0.30 美元、每百萬輸出 token 1.20 美元，deepseek-v4-pro則為 1.32 美元與 3.96 美元，離峰費率是這些數字的一半。兩者都列出 1M token 的上下文視窗，以及 384,000 token 的輸出上限。

發展方向並不隱晦。一個實驗室若讓自家最大的模型退役，轉而採用每個 token 只啟用十分之一參數的模型，就已經得出結論：前沿能力的經濟單位，並不是它能訓練出的最大檢查點。一個 3T 模型，若其建構者不確定它能否「以合乎經濟效益的方式進行後訓練與提供服務」，這並不是關於猶豫的傳聞；它描述的是一個如今已對替代方案握有實測數據的實驗室。

後訓練是那個問題中更棘手的一半。第三方 SLAI T-Rex 專案回報，在華為 CloudMatrix384 SuperPOD 上對 DeepSeek-V4-Pro 系列進行全參數後訓練，可達到 34.22% MFU，約為開放基準配方的 2.93 倍。那是個令人振奮的數字——一個第三方數字，而且是在 1.6T 模型上。把主幹規模加倍，大約就會讓帳單翻倍，而這還是在服務任何一個 token 之前。

當{{1}}他們的{{/1}}叢集成長時

這起洩密案中最關鍵的條款是最後一項，因為它是唯一具有公開書面紀錄的部分。據報導，DeepSeek 計劃在內蒙古烏蘭察布的新資料中心部署至少 160,000 顆 Huawei 的 Ascend 950DT 加速器，訂單價值約 25.6 億美元——這是歷來有人嘗試過的中國製 AI 晶片最大規模叢集之一。

該計畫附帶的但書，比新聞標題本身更重要。這些晶片是規劃用於推論，而非訓練：DeepSeek 過去曾嘗試用 Huawei 晶片進行訓練，如今仍使用 Nvidia 加速器訓練，而這正是 3T 模型實際上會需要的環節。交付可能需時超過一年。部分產能預計在 2027 年底至 2028 年初上線。此外，預計限制 Huawei 今年能打造多少 950DT 單位的因素，會是高頻寬記憶體供應，而非邏輯晶片。

「當其叢集擴張時」的樂觀解讀，最早會把 3T 模型放在 2027–2028 年的時間表上；而悲觀解讀——它始終只是研究成果，永遠不會成為產品——則與 DeepSeek 在 2026 年所發布的一切相符。該實驗室周遭的算力環境也是有爭議的政策問題，而非單純的供應問題：9 月 8 至 9 日，NSA、FBI 與 CISA 聯合指控包括 DeepSeek 在內的六家中國實驗室以「工業規模」蒸餾美國前沿模型，這項指控遭中國商務部駁斥。無論人們如何看待這項指控，凡是取決於叢集成長的發布，都取決於 DeepSeek 內部無人能掌控的決策。

什麼情況能讓這件事從走漏風聲變成正式發布？

這份檢查清單簡短又具體，而且還沒有一項觸發：

• 在 Hugging Face 上 deepseek-ai 組織底下的一個儲存庫，其名稱是版本化的檢查點名稱，而非系列代稱。

• DeepSeek 的「模型與定價」頁面上新增的一列。

• 一則帶有日期的條目，出現在 API 文件新聞摘要中，採用該實驗室慣用的 newsYYMMDD 格式。

• 是模型識別碼，而非家族名稱——DeepSeek 會為檢查點標上版本號，而至今單純的家族代稱僅代表預覽版。

較近的里程碑是 V4.1 Pro，DeepSeek 團隊成員在 9 月 9 日曾提到它是路由窗口的終點。它既沒有公布規格，也沒有參數數量、價格，甚至沒有日期。從某種意義上說，V4.1 Pro 是對這次洩漏的考驗：如果下一代旗艦大致落在 V4 Pro 的 1.6T 或以下，那麼 3T 的說法至少已經落後了一個世代。

如果你這週要挑選模型，這一切意味著什麼？

在 2026 年，3T 模型不是一個採購決策，而 Deep​Seek 九月的實際教訓根本與規模無關。真正的教訓是：端點背後的模型可以改變，而端點的名稱卻保持一模一樣。任何人只要透過抽象層呼叫 deepseek-v4-pro，就能在 9 月 14 日取得一個不同、更小、更便宜的模型，完全不必改動程式碼。任何直接綁定單一供應商對該 ID 實作的人，就只能得到該供應商決定怎麼做的結果。

DeepSeek V4.1 Flash 與 DeepSeek V4 Pro 都在 OrcaRouter 上，透過同一組金鑰、以 0% 加價提供——直接沿用供應商牌價，這表示 DeepSeek 於 9 月 10 日的定價變更，當天就會在此以牌價生效，而不是以某個加價後的版本生效。模型頁面顯示，離峰區間的價格為每百萬輸入 token 0.15 美元、每百萬輸出 token 0.60 美元，這正是 DeepSeek 自家的離峰價格，沒有再往上加任何費用。跨供應商的自動容錯移轉，是那種不起眼、卻在像本週這樣的一週裡最重要的功能：當某家廠商在某個端點底下把模型抽換掉時，路由層正是讓這件事變成設定變更、而不是一次遷移的地方。

如果 3T 的 DeepSeek 模型真的推出，它將由擁有足以容納它的叢集的人來提供服務，價格則由算力決定。你會在同樣的路由層遇見它——不必再簽第二份合約，也不必重建任何東西。

懸而未決的問題，不是 DeepSeek 能否打造出 3 兆參數的模型。三篇已發表的架構論文、一套可運作的記憶體設計，以及一款其開發者聲稱表現超越自家 1.6T 前代模型的 552B 模型，全都顯示這間實驗室知道該怎麼做。問題在於是否有人願意付費讓它提供服務——而從過去兩週的證據來看，DeepSeek 自己也不確定。盯著叢集，而不是參數量。定價頁會比任何外洩消息都更快告訴你，DeepSeek 實際推出了什麼。