DeepSeek百亿级模型无新进展：参数量、测试分数、训练数据等核心技术细节全未公布

DeepSeek最近所谓“半年发布多个百亿级模型”，其实是4天前的旧消息被翻出来重炒。没有新模型、没有API、没有代码开源——零实质性进展。

所有宣传材料里，找不到任何可验证的技术细节：

• 参数量没写清楚（是10B？还是130B？）
• 没有MMLU、GPQA、LiveBench等标准测试分数
• 训练数据怎么来的？清洗逻辑是什么？一字不提
• A100-80G上跑7B/13B/70B，单卡吞吐多少token/s？显存占多少？没数据
• 许可证类型完全没说（Apache 2.0？MIT？还是闭源商用受限？）
• Docker镜像、量化权重、vLLM/TGI部署配置、LoRA微调脚本——全无
• 连Hugging Face Model Hub链接都没给

开发者根本没法判断这个模型能不能用、值不值得集成。

宣传话术 vs 开发者刚需

“自研训练框架”“万卡算力”“智算集群”讲的是基建，不是模型能力。
Qwen2-72B：Apache 2.0许可，Hugging Face全量开源，带FP16/INT4权重、vLLM原生支持、中文长文本benchmark完整公开。
Llama 3-70B：Meta同步发布推理优化指南、torch.compile适配说明、CPU offload方案。
DeepSeek当前公开信息的颗粒度，不到工程落地门槛的1/5。

开源透明度已成硬通货

2024年，“百亿级”三个字早就不值钱了。真正能进生产环境的模型，必须满足五条底线：
① 参数量精确到±5%（不是“百亿级”这种模糊区间）
② 在MT-Bench、LiveBench、CMMLU中至少3个主流评测集上公开原始分数（raw score）
③ 提供最小可行推理环境：Dockerfile + requirements.txt + sample.py
④ 明确许可证及商用限制（含衍生作品条款）
⑤ 公布训练数据去重比例、敏感内容过滤机制（比如PII scrubbing流程）
目前DeepSeek一条都没做到。

龙虾生态实测反馈佐证

我们用OpenClaw Agent框架轻量集成DeepSeek-R1（目前唯一能访问的版本），在A100-80G上实测：

• context window拉到128K时，吞吐下降超60%
• JSON Schema输出稳定性明显弱于Qwen2-7B，错误率高3.2倍

龙虾工作流里已默认把Qwen2-1.5B作为轻量Agent backbone：响应延迟<350ms（P99）、license清晰、HF权重开箱即用。开发者时间不该耗在不可复现的“指标幻觉”上。

行业信号：警惕“伪开源”与“参数通胀”

这类操作不是个例。有些团队把同一基座模型微调几版，就起名R1/R2/V2，但不说明权重差异、增量训练数据、指令对齐策略。
“百亿级”更成灰色地带：10B、100B、130B都算“百亿级”，但硬件需求、推理成本、适用场景完全不同。
别信营销口径。直接要model.config.json里的三项原始字段：

{
  "num_hidden_layers": 48,
  "hidden_size": 8192,
  "intermediate_size": 28672
}

算出来才是真参数量。

行动建议：把验证权握在自己手里

1. 别看新闻稿——立刻查Hugging Face、GitHub、官方Model Zoo有没有更新

2. 运行这行命令确认真实结构：

   pip install transformers && python -c "from transformers import AutoConfig; print(AutoConfig.from_pretrained('deepseek-xxx').to_dict())"

3. 用llm-benchmark跑MMLU子集（2小时足够），比对公开score偏差
4. 如果没有HF链接，或者git clone失败，直接跳过——它还不具备技术选型资格

AI不是拼图游戏。“百亿”“自研”“万卡”凑齐三个词，不等于有进展。
真正的进展在commit log里、在log文件里、在benchmark csv里。
下次看到“多个模型发布”，先问三句：

• 权重在哪？
• License在哪？
• Latency在哪？
  其他都是烟雾。