这次 DeepSeek-V4-Flash发布了正式版之后，的确能力非常强，并且在整个性能和价格上面，甚至做到了帕累托最优（也就是能在那个曲线上面达到的最好的结果）。
但有些人就问到了：是不是它这么强，会让美国的“御三家”（也就是 OpenAI、Anthropic 以及 Google）全部倒闭呢？
我个人觉得不会。
而且我甚至觉得，如果真有一天 DeepSeek 把美国御三家全部打没了，对 DeepSeek 自己来说反而未必是一件好事。
原因很简单：AGI 到今天为止，依然没有任何一家公司知道正确答案。
如果你只看模型排行榜的话，其实就掉入了一个局部优化的陷阱，实际上真正发生的事情，是几家公司在用完全不同的技术路线，同时探索 AGI。
例如 OpenAI。过去几年，OpenAI 最大的贡献，并不是把 GPT的参数做得越来越大，而是不断证明
强化学习（RL）能够成为大模型能力提升的重要来源。
从早期的 RLHF，到后来用于复杂推理任务的强化学习，再到最近越来越多依赖测试时计算（Test-time Compute）的推理模型，OpenAI 一直在回答一个问题：模型能不能像人一样，通过不断尝试和反馈，而不是单纯增加训练数据，获得新的能力？
现在来看，这条路线至少在数学、编程、复杂推理等领域已经证明是有效的。
而 Anthropic 走的又是另一条路。
他们一直更关注模型行为本身。
包括 Constitutional AI、可解释性（Mechanistic Interpretability）、AI Alignment，以及最近大量关于模型内部表示和神经元工作的研究。
他们希望回答的问题不是模型能不能更聪明，而是：为什么模型会这样思考？我们有没有办法真正理解它的内部机制？
Google 则又完全不同，你可以说他拉，但是并不能说他不强。它的优势一直不是Chatbot，而是基础科研。
Transformer 出自 Google，Mixture of Experts（MoE）的大规模工程化来自 Google。长上下文、Gemini 的原生多模态、视频生成、世界模型，以及 AlphaGo、AlphaFold 那套强化学习与搜索体系，本质上都属于 Google 长期积累的科研资产。
Google 更像是在不断扩大模型的能力边界。
而 DeepSeek 的打法，其实又不一样。
相比于不断发明新的理论，DeepSeek 更擅长的是
把已经证明有效的路线，以更低的成本、更高的效率做到极致。
例如 MoE 的工程优化、训练效率优化、推理成本优化，以及强化学习训练流程上的持续改进。
很多业内人士会发现，DeepSeek 并不是每一次都第一个提出新的方向。
但它往往能够把一条已经被证明可行的路线，迅速做到行业第一梯队。
这种能力，本身就是非常高的工程水平。
所以我一直觉得，现在这个竞争格局其实非常健康。
OpenAI 去赌下一代强化学习范式。
Anthropic 去研究模型到底为什么会产生某种能力。
Google 去探索更大的基础模型、更长上下文、更强多模态以及世界模型。
DeepSeek 则快速吸收这些已经验证成功的方法，再结合自己的工程能力，把成本进一步压低，把性能进一步做高。
很多人觉得这是"跟随"。
但在科研里，这其实叫技术扩散（Technology Diffusion）。
一家公司负责突破技术上限，另一家公司负责突破工程上限，两种创新缺一不可。
所以我反而希望 DeepSeek 一直有足够强的竞争对手。因为如果 OpenAI 不再探索新的强化学习方法，Google 不再投入基础科研，Anthropic 不再研究模型可解释性，那么整个行业能够验证的新路线就会越来越少。
DeepSeek 的工程能力再强，也会逐渐失去可以优化的对象。
这有点像芯片行业。
ASML、TSMC、NVIDIA、AMD 没有人希望另外几家突然消失。
因为整个产业的进步，本来就是建立在不同公司不断突破不同技术瓶颈的基础之上。
AI 也是一样。
真正理想的格局，不是一家公司统一天下。
而是永远有几家顶级公司在不同方向不断突破。
有人负责探索未知，有人负责把探索变成产品，有人负责降低成本，有人负责研究安全。
整个行业才能一直高速向前。
所以，与其提问DeepSeek Pro 能不能让美国御三家倒闭，我觉得最好的状态就是：
它能不能继续保持这种距离第一梯队只有一步之遥，却又始终逼着第一梯队继续创新的状态。
因为这样的好处就是，我们既可以用最少的钱去用世界上最顶尖的模型，同时还可以退而求其次，用更低的价格享受稍微次一些的模型。可以说，它是对消费者最为友好的。
热门跟贴