DeepSeek什么時(shí)候發(fā)V4？AI圈所有人都在猜，但正確答案可能只有梁文鋒知道。

豆包、千問、元寶……無論大廠還是小廠，他們都在在春節(jié)期間扎堆發(fā)布新版本，生怕晚一步就被V4的光芒蓋過。

換成任何一個(gè)正常的CEO，面對這種全行業(yè)翹首以盼的局面，早就把半成品推出去了。

先占住聲量，再慢慢迭代，這是互聯(lián)網(wǎng)行業(yè)的基本操作。

但梁文鋒偏不。跟他關(guān)系近的同行說了句大實(shí)話：“團(tuán)隊(duì)穩(wěn)，底子厚，不會草率發(fā)布?！?/p>

外媒報(bào)道，V4是架構(gòu)級重構(gòu)。包含1萬億參數(shù)、百萬上下文、原生多模態(tài)，并且將于4月份發(fā)布。

這次迭代的核心叫做LTM，Long-Term Memory，即長期記憶。

LTM是一套在模型架構(gòu)內(nèi)部實(shí)現(xiàn)持久化記憶的系統(tǒng)。它能讓AI跨對話、跨任務(wù)地記住用戶是誰、聊過什么、偏好什么。像人一樣把重要的東西沉淀下來，而不是每次開機(jī)都從零開始。

而這個(gè)能力，恰恰是OpenClaw最缺的東西。

雖然OpenClaw可以替人干活，但它的記憶系統(tǒng)本質(zhì)上只是往本地Markdown文件里寫筆記，工作時(shí)會持續(xù)發(fā)送這個(gè)筆記到大模型里，這就導(dǎo)致用OpenClaw越久，發(fā)送記憶所消耗的token就越多。

整個(gè)社區(qū)都在想方設(shè)法地去解決這個(gè)問題，給它打補(bǔ)丁、裝插件、裝Skill，卻沒人能從根上解決問題，因?yàn)閱栴}出在模型本身，它天生不記事。

LTM要做的，就是從架構(gòu)層把這個(gè)病治好。

此次更新所帶來的挑戰(zhàn)，遠(yuǎn)超常規(guī)的版本迭代，而且模型的情感交互、個(gè)性化記憶等模塊尚未完全遷移，還需要進(jìn)一步調(diào)優(yōu)。

因此梁文鋒不是在拖延，而是在克制。

在一個(gè)所有人都在比誰先發(fā)、誰聲量大的行業(yè)里，梁文鋒選擇等所有零件都對了再出手。

R1之所以能一炮封神，靠的不是搶跑，而是一出手就讓對手無話可說。

他顯然打算用同樣的方式對待 V4——要么不發(fā)，要發(fā)就是王炸。

01

梁文鋒到底在憋什么

OpenClaw的爆火讓大家認(rèn)識到了這樣一個(gè)事，當(dāng)AI真的開始替人干活，模型對上下文的理解和記憶能力就不再是加分項(xiàng)，而是決定它能不能用的底線。

一個(gè)記不住上文的agent，每隔幾輪就會重復(fù)犯錯(cuò)、丟失任務(wù)狀態(tài)、忘記你剛才說過的話。

所以過去兩年，業(yè)界也推出了不少的LTM方案。

比如伯克利團(tuán)隊(duì)在2023年提出的MemGPT，借鑒虛擬內(nèi)存的思路，讓模型自己決定什么時(shí)候把哪些信息從外部存儲調(diào)入上下文窗口、什么時(shí)候換出去。

2025年發(fā)布的Mem0，則是把這條路往工程化推了一步，在LOCOMO基準(zhǔn)上比OpenAI內(nèi)置記憶高出26%，token消耗減少90%，這也是現(xiàn)如今OpenClaw社區(qū)用得最多的記憶插件。

前兩天還有用擴(kuò)散激活模擬人類聯(lián)想式記憶提取的SYNAPSE，以及用遞歸語義壓縮解決記憶膨脹的SimpleMem。

但所有這些方案都有一個(gè)共同的天花板，那就是它們都是在模型外部運(yùn)行的中間件。

記憶的提取、壓縮、檢索，全部由外掛系統(tǒng)完成，模型本身不參與。因此，記憶的質(zhì)量完全取決于外掛系統(tǒng)的工程水平，模型得到的記憶，也就參差不齊。

并且，所有記憶最終都要通過上下文窗口注入模型，這和OpenClaw碰見的問題一樣，記憶越多，那么token成本也就越高。

還有一點(diǎn)，模型無法在外掛記憶上進(jìn)行“學(xué)習(xí)”。因?yàn)樵谶@個(gè)過程中，模型做的事情是在讀別人幫它整理好的筆記，而不是真的把經(jīng)驗(yàn)內(nèi)化成了能力。

梁文鋒要走的，很可能是一條完全不同的路。

從梁文鋒署名的Engram論文和V4架構(gòu)泄露來看，DeepSeek的方向不是在模型外面搭記憶系統(tǒng)，而是把記憶能力直接嵌入模型架構(gòu)本身。

Engram已經(jīng)證明，在Transformer內(nèi)部可以開辟一塊專用的條件記憶空間，用O(1)的哈希查找來存取靜態(tài)知識，在調(diào)用已存好的知識時(shí)，還不占用上下文窗口的容量，也不增加推理的計(jì)算成本。

更關(guān)鍵的是，Engram 的“無限記憶機(jī)制”實(shí)驗(yàn)表明，這塊記憶空間的容量可以近乎無限地?cái)U(kuò)展，且模型的推理開銷保持恒定。

我說得再直白一點(diǎn)，現(xiàn)在的模型想“記住”一件事，唯一的辦法是把它塞進(jìn)對話窗口里，窗口滿了就得扔?xùn)|西。

Engram相當(dāng)于給模型裝了一塊獨(dú)立的硬盤，你可以把記憶存在這個(gè)外部的存儲里，就不用堆在你電腦本身的硬盤中。當(dāng)你想調(diào)取某一個(gè)記憶的時(shí)候，你把這塊硬盤接上就行。

而且這塊硬盤理論上可以無限擴(kuò)容，查找速度恒定不變。

這條路如果走通，意味著 DeepSeek 跳過了整個(gè)“外掛記憶”的技術(shù)范式，直接進(jìn)入了“原生記憶”的時(shí)代。

如果你了解OpenClaw，你會發(fā)現(xiàn)梁文鋒他瞄準(zhǔn)的，恰恰是OpenClaw最薄弱的一環(huán)。OpenClaw讓AI有了手腳，卻沒給它一顆能記事的大腦。

OpenClaw 的記憶系統(tǒng)有三個(gè)結(jié)構(gòu)性缺陷。

第一個(gè)是壓縮損耗。

上下文窗口塞滿后，OpenClaw會自動(dòng)把舊對話壓縮成一段摘要來騰空間。事實(shí)保留了，但對話的脈絡(luò)，全部丟失，而且不可逆。

換句話說，你們在討論什么、決策的推理鏈條、語氣和優(yōu)先級都沒有了，也都找不回來了。

比如壓縮前，agent記得一套完整的調(diào)試方案，壓縮后只剩一句話，“用戶在調(diào)試一個(gè)bug”，具體的排查路徑全沒了。

第二個(gè)是檢索失效。

記憶文件用幾周就堆到幾百條，靠向量相似度檢索召回?？墒窍蛄繖z索只能匹配語義相近的片段，無法理解條目之間的邏輯關(guān)系。

比如說我用OpenClaw做了三個(gè)方案，這三個(gè)方案分散在不同文件里，和客戶敲定的是最后一個(gè)方案。當(dāng)我后來想檢索敲定的方案時(shí)，由于這三個(gè)方案都是用來發(fā)給客戶的，就有可能只檢索命中第一個(gè)方案或者第二個(gè)方案。

第三個(gè)是記憶容量有上限。

OpenClaw的記憶分兩層：核心記憶（MEMORY.md）每次會話啟動(dòng)時(shí)全量注入上下文，日志記憶則通過搜索工具按需召回。

聽起來合理，然而核心記憶有硬性上限，單文件20000字符截?cái)啵衎ootstrap文件合計(jì)不超過150000字符。

可是你用得越久，MEMORY.md越長，要么被截?cái)鄟G信息，要么每次會話的token消耗線性增長。

還沒完，日志那邊，按需檢索的質(zhì)量完全取決于模型自己的判斷，它覺得不相關(guān)就不召回，哪怕信息確實(shí)存在。很容易就會把重要的信息給丟掉。

說白了，這三個(gè)問題是同一件事：窗口就那么大，往里塞的東西越多，要么記錯(cuò)，要么找不到，要么太貴OpenClaw的記憶不是“記住了”，而是“抄了一堆筆記然后翻不到”。

如果V4真的在架構(gòu)層面跑通了這條路，那它不僅解決OpenClaw的問題，還能讓模型變成“可成長的模型”。

用得越久越懂你。這和當(dāng)前所有大模型的使用體驗(yàn)有本質(zhì)區(qū)別，因?yàn)楝F(xiàn)在的模型無論多強(qiáng)，每次打開都是一張白紙。

騰訊的一項(xiàng)最新研究，從另一個(gè)方向印證了這條路的價(jià)值。

從OpenAI加入騰訊擔(dān)任首席AI科學(xué)家的姚順雨，在2月份的時(shí)候發(fā)布了他入職后的第一篇署名論文。

論文的名字叫CL-bench，全稱Context Learning Benchmark，專門測一件事，就是大模型能不能從上下文里真正學(xué)到東西。

不是考它背了多少知識，而是考它能不能從你給的材料里現(xiàn)學(xué)現(xiàn)用。

結(jié)果很難看。

所有前沿模型的平均正確率只有17.2%。正確率最高的模型是GPT-5.1，可它也只做對了23.7%。換句話說，你精心準(zhǔn)備了一份詳盡的背景資料喂給AI，它有超過八成的概率沒有真正“學(xué)會”。

姚順雨在論文中的判斷是，當(dāng)前 AI與真正智能之間的鴻溝，不在于知識的多少，而在于學(xué)習(xí)的能力。一個(gè)裝滿知識卻不會學(xué)習(xí)的AI，就像一個(gè)背了整本字典卻不會寫作的人。

他在AGI-Next前沿峰會上也說過類似的觀點(diǎn)，他認(rèn)為大模型邁向高價(jià)值應(yīng)用的核心瓶頸，就在于能否“用好上下文”。

如何記憶，很可能成為2026年的核心主題。一旦上下文學(xué)習(xí)與記憶變得可靠，模型或許就能實(shí)現(xiàn)自主學(xué)習(xí)。

梁文鋒不可能不懂這個(gè)道理，這就是為什么發(fā)布日期一推再推。

02

DeepSeek要補(bǔ)的課

愿景歸愿景，現(xiàn)實(shí)歸現(xiàn)實(shí)。

在梁文鋒閉關(guān)的這一年里，對手們沒有停下來等他。DeepSeek要補(bǔ)的課，比外界想象的多。

第一塊短板是多模態(tài)，這也是最大的一塊。

DeepSeek到今天為止，還是一個(gè)純文本模型。它沒辦法看圖、看視頻、聽語音。

倒不是說DeepSeek完全沒有視覺能力。在今年1月的時(shí)候，他們發(fā)布了OCR 2，這是一個(gè)3B參數(shù)的文檔理解小模型。它的核心是用一個(gè)叫DeepEncoder V2的編碼器替代了傳統(tǒng)的視覺編碼器，讓模型能像人一樣按閱讀順序理解文檔頁面。

僅在文檔解析的基準(zhǔn)測試上，OCR 2用最少的視覺token戰(zhàn)勝了Qwen3-VL-235B這種千億級選手。

但OCR 2只能做一件事：把文檔里的文字、表格、公式提取出來。本質(zhì)上是“圖像→文本”的單向轉(zhuǎn)換，不是通用的視覺理解。

換句話說，OCR 2證明了DeepSeek有能力做好視覺編碼，但從“能讀文檔”到“能看視頻、聽語音、理解自然場景”，中間隔著的不是一步，而是一整個(gè)技術(shù)代際。

與此同時(shí)，其他大廠早就進(jìn)入了“全模態(tài)”時(shí)代。

字節(jié)的Seedance 2.0證明了優(yōu)秀的多模態(tài)模型有多大的用戶基礎(chǔ)和商業(yè)潛力。GPT-5.4已經(jīng)原生支持音頻、視頻和計(jì)算機(jī)操作。

有消息透露，梁文鋒近半年的主要工作之一就是補(bǔ)齊視覺內(nèi)容處理的短板。

第二塊短板是agent能力。

DeepSeek微信公眾號自己置頂?shù)奈恼聵?biāo)題就是“邁向agent時(shí)代的第一步”，這就足以說明梁文鋒知道該往哪個(gè)方向前進(jìn)。

隨著越來越多的人開始使用OpenClaw，無論是大廠還是小廠，都在強(qiáng)調(diào)自己模型的agent能力。

Kimi K2.5已經(jīng)能自主調(diào)度100個(gè)子agent、并行處理1500個(gè)步驟。ChatGPT的agent功能可以自動(dòng)填表、訂機(jī)票、跨網(wǎng)站拉取信息。Claude推出了Agent Teams，多個(gè)AI協(xié)同完成復(fù)雜任務(wù)。

第三塊短板是AI編程。

這是2026年發(fā)展最快、商業(yè)化最成熟的賽道。

在編程基準(zhǔn)測試SWE-bench Verified上，Claude Opus 4.6得分80.8%，GPT-5.3 Codex約80%，DeepSeek V3.2只有73.1%。

在更難的基準(zhǔn)SWE-bench Pro上測試，DeepSeek V3.2得分為40.9%，遠(yuǎn)低于GPT-5.4的57.7%。

更關(guān)鍵的是，行業(yè)已經(jīng)從“Vibe Coding”，進(jìn)化到了“Agentic Engineering”，讓AI獨(dú)立完成工程級任務(wù)。

智譜的GLM-5論文標(biāo)題就叫《From Vibe Coding to Agentic Engineering》，它能連續(xù)24小時(shí)跑代碼、700次工具調(diào)用、800次上下文切換，從零構(gòu)建出一個(gè)GBA模擬器。

此前曾有爆料稱，DeepSeek-V4的內(nèi)部測試結(jié)果，在編程能力上超越了Claude Sonnet 3. ?？扇缃?，Claude Sonnet 3.5已經(jīng)被Anthropic官方完全停用了。

第四塊短板是AI搜索。

現(xiàn)在幾乎所有ChatBot產(chǎn)品都是聯(lián)網(wǎng)的，你已經(jīng)見不到還把模型聯(lián)網(wǎng)單獨(dú)設(shè)為一個(gè)開關(guān)的APP了。

OpenAI有ChatGPT Search，Google有Gemini Embedding 2搜索。DeepSeek的搜索能力一直是短板，而且其搜索結(jié)果經(jīng)常會出現(xiàn)幻覺。

Vectara的測試顯示，DeepSeek R1的幻覺率高達(dá)14.3%，是V3（3.9%）的近四倍。

在學(xué)術(shù)引用檢索的測試中，這個(gè)數(shù)字更夸張，其引用的結(jié)果中，91.43%都是錯(cuò)的，包括但不限于捏造論文標(biāo)題、虛構(gòu)DOI、張冠李戴作者。

DeepSeek自己也承認(rèn)，幻覺是當(dāng)前階段“不可避免的”問題。

DeepSeek在它沒有自己的搜索基礎(chǔ)設(shè)施，只能依賴第三方接口，信息源的質(zhì)量不可控。

模型本身的事實(shí)校驗(yàn)?zāi)芰Σ粔驈?qiáng)，即使拿到了正確的檢索結(jié)果，也可能在生成環(huán)節(jié)引入錯(cuò)誤。這兩個(gè)問題疊加在一起，就是用戶體驗(yàn)上的“搜了也不準(zhǔn)”。

在agent時(shí)代，搜索不是加分項(xiàng)，而是必選項(xiàng)。

DeepSeek的短板，沒有一塊是小修小補(bǔ)能解決的。梁文鋒不是在做一個(gè)更強(qiáng)的V系列模型，他是在同時(shí)打四場仗。

4月，箭在弦上。但如果再跳票，也不必意外。對梁文鋒來說，“不發(fā)”永遠(yuǎn)比“發(fā)錯(cuò)”重要。