系统级耦合优化比单点创新更难。访谈丨程曼祺整理丨付自文、李清旸上周五(4 月 26 日)DeepSeek-V4 终于发布后,《晚点聊 LateTalk》第一时间邀请一线 AI 从业者详解 V4 技术报告。两位播客嘉宾,一位是 UCLA 在读博士刘益枫,他是模型架构背景,曾在 Kimi(月之暗面)和字节 Seed 实习,参与 K1.5 研发,也自己做过优化器。一位是开源推理框架 SGLang 核心开发者赵晨阳,他是 Infra 背景,目前已加入 SGLang 背后的商用创业公司 RadixArk AI。他此前也曾在字节 Seed 实习。这期我们从 V4 切入,自然而然聊地到了 Kimi、Seed、MiniMax、Qwen、智谱等中国其他大模型团队的努力和进展。关于从字节 Seed 提出的 HC 到 DeepSeek 的 mHC,再到 Kimi 的 Attention Residuals 的讨论,还有 Kimi 和 DeepSeek 围绕 Muon 优化器的改进,又或者是 DeepSeek 对北大团队开源的 TileLang 的深度使用……这些成果相互联系、彼此激发,鲜活地刻画了,一定的人才密度和竞争烈度后,开源模型社区在正迸发怎样的进步与质变。而一批中国公司,是开源大模型生态最活跃和坚定的投入者。从 R1 的一鸣惊人到如今的百花齐放,这一年多发生了太多迭代和变化。V4 的技术报告是了解这些细致且艰辛努力的一个切片。不再用 MLA、全新注意力机制:“系统级耦合优化比单点创新更难”晚点:DeepSeek-V4 发布后,你们的实际使用体感如何?刘益枫:数学推理、代码能力和 Agent 指令执行都比 V3 好不少,尤其是幻觉少得多。代码能力还是比 Opus 4.6 等闭源模型弱,和智谱 GLM-5.1、Kimi K2.6 等开源模型体验相近。同时 V4 比 V3 大很多(V3 参数为