在業界對新一代旗艦模型DeepSeek V4的翹首期盼中，DeepSeek團隊卻悄然放出了一篇新的學術論文。

這篇論文由DeepSeek聯合北大、清華共同撰寫，將研究方向投向了決定大模型實際應用落地的關鍵一環——推理速度，為日益復雜的AI智能體，提供一套高效的底層系統解決方案。

具體來說，新論文介紹了一個名為DualPath的創新推理系統，專門針對智能體工作負載下的大模型（LLM）推理性能進行優化。通過引入“雙路徑讀取KV-Cache（類似記憶緩存）”機制，重新分配存儲網絡負載，將離線推理吞吐量最高提升 1.87 倍，在線服務的每秒智能體運行數平均提升 1.96 倍。

論文在引言部分提到，大模型正從單輪對話機器人和獨立推理模型，快速演進為智能體系統 ——能夠自主規劃、調用工具，并通過多輪交互解決實際任務。這種應用范式的轉變，推動大模型推理工作負載發生重大變革：從傳統的人類-大模型交互，轉向人類-大模型-環境交互，交互輪次可達數十甚至數百輪。

上下文會跨輪次累積，最終長度可能達到極值。此時模型不需要大量計算，反而需要頻繁從硬盤讀取歷史上下文的 KV-Cache；現有系統中，只有負責預處理的引擎會讀取KV-Cache，它的網卡帶寬被占滿，而負責生成內容的解碼引擎，網卡帶寬基本閑置，導致整個系統速度被卡脖子。

因此，論文提出的DualPath，針對智能體工作負載、重新設計現代推理架構中 KV-Cache加載邏輯，解決大模型做智能體任務時，速度被 “數據讀取”拖慢的核心問題，重要的是把閑置的帶寬資源利用起來，相當于給數據讀取 “多開了一條高速路”，實現速度的大幅提升。

這一論文成果延續了DeepSeek一貫的風格，在工程化層面將性能優化推向極致。有從業者認為，DeepSeek做這類優化屬于缺顯卡的無奈之舉，屬于“臟活兒累活兒”，大家更期待團隊在模型上做創新。

但也有人認為，即便有足夠顯卡，這類優化在降低成本、降低token費用方面也很有價值，因為只有足夠便宜，AI才能走向大規模使用。

相比這篇“務實”的論文，外界顯然更關注DeepSeek新一代旗艦模型的真面目。關于DeepSeek V4的發布時間，市場傳聞已幾經更迭。從最初傳聞的2月春節前后，到外媒最新報道的“最快下周”，再到業內人士預測的3月前后，傳聞鏈條愈發撲朔迷離。

就在近日，外網有網友爆料稱，DeepSeek 正在測試 V4 Lite 模型，代號為“Sealion-lite”，上下文窗口為 100萬tokens，并原生支持多模態推理。也有消息提及，DeepSeek已在近期將重大更新版本V4向華為等國內廠商提供提前訪問權，以支持其優化處理器軟件，確保模型在硬件上高效運行。然而，英偉達等廠商尚未獲得類似權限。

面對傳聞，DeepSeek依舊保持其一貫的沉默，目前并未進行任何回應。但市場已進入“嚴陣以待”狀態，部分投資機構擔憂，新一代模型的發布會如同去年的版本發布時那樣，引發市場的劇烈震蕩。