还是那句话，DeepSeek在年初开源的架构，至今依旧是开源里面最优的。
这不是我说的，你看下面的原文。
Kimi k2的研发人员在知乎发文，他们在启动K2这个项目之前，对现有的所有的开源大模型进行了scaling实验，发现能超过半年前DeepSeek发的V3架构的没有，最好的结果就是跟V3打个平手。
什么是scaling，其实很好理解，你看DeepSeek V3的Model Size，也就是模型大小是685B，B代表十亿，685B就是6850亿。
而Kimi K2是1 Trillion，也就是1000亿。
Scaling就是缩放的意义，用DeepSeek V3来举例，那就是微调V3原来的架构，扩大或者缩小V3，来看看性能有什么变化。
这里的scaling一般是基于原本的模型进行扩大，因为理论上模型大小和性能呈正相关，也就是模型越大，性能通常越好。
Kimi K2对于所有的开源大模型都进行了测试，结果纵观全世界，DS V3这个架构依旧非常的权威，从685B扩大到1000B，DS V3依旧能打。
这种其实算是一种incremental的工作，也就是DS在做V3的时候，很有可能已经试过这么做了，但是DS明显考虑的是另外一种思维，也就是纵向无止境的扩大模型大小其实并不是什么长久的生计，因为很明显这条路的边际效应很高。
但从Kimi K2公布的性能结果来看，只需要做scaling up，性能就可以有一个不错的提升，说白了，K2的这个工作就有一种致敬的感觉。
从685B到1000B，DS当然可以做，但是还是刚刚说的，这样完全没有质的变化，而堆量明显不是DS这种特意针对阉割版显卡搞创新的怪物喜欢做的。
别人的开源周大多是一些模型，DeepSeek的开源周，几乎全是针对于H800这款专门针对于中国的阉割版芯片的技术。
其实这一点儿很能说明问题，那就是DS里面有对于硬件非常熟悉的人，之前就看到过一个英伟达的前员工是DS的作者之一。
要我说的话，把DS V3做Scaling up，性能提升到世界第一梯队，远不如跟某一芯片厂商合作，把现有芯片的极限性能挖出来要重要的多。
前者只能说明在现有的AI大框架下，大家依旧遵循着卡多数据多就牛逼的第一定律，而从硬件入手，是可以再一次震荡一波英伟达的大手笔。
虽然从长期来看，英伟达在AI的GPU领域地位不可撼动，但短期内是可以被扰动的。
所以不管从哪一点来看DeepSeek都可以称得上国运级，及时它没有大版本更新，Kimi K2的致敬级发布也反映了DS的权威。
扩大参数量，多搞点数据，更深入的post training，当然可以提升性能，但是这样做的意义并不大，MIT协议的存在就是让别人去搞这些。
所以我的观点，DS要么不发布，要么就是算法层次上的提升，人家又不靠这个赚钱，所以底气足够硬。
