很多國外新聞這幾天比較專業的都是關注在DeepSeek的新論文，詳細列出了很多DeepSeek技
術細節如何省流的數據，像是KV Cache的成本還有透過軟體整合協同提升硬體的使用效率（
3F
S無疑是工藝品的等級），揭露了未來減少GPU、Disk跟CPU之間的通訊無疑是下一個軟硬整
合加速指標。
當前開源生態甚至是Gemini都已經將DeepSeek的GRPO當作模型對齊Reasoning的新範式了，
實際也是證明很好用有效又省錢，最近也是蠻多篇Paper探討Reward作為一種弱監督信號為
什麼有用又不會像DPO一樣會過度擬合訓練數據的好處。題外話，連NVIDIA 的Nemotron最新
一代也採用這樣的Post training 新範式。
然後文章沒揭露的是很多閉源模型當前為了alignment最新的時事資料或基於用戶反饋的校
正成本，實際上谷歌、Claude跟OpenAI在這塊的維護上每年都要虧損十幾億美金，這東西是
很多小企業維護不來的。
然後GPU的Infra群集這幾年也是不斷在往上增加，反而訓練的成本才是往下掉的。谷歌跟Op
enAI為了維持服務響應花費的不比訓練建構的群集還要少。
我個人認為這種文章針對性蠻強的，重點也不是在DeepSeek系統架構上的缺失，真的要我說
的話，當前DeepSeek比較大的問題是市場上具有Reasoning的LLM競品在DS開源方法以後開始
暴增，但DeepSeek沒有資源來調優當前自己的R1模型(畢竟公司多數都是研究員，可以看出
團隊會更想把精力花費在研究上）。
然後實際上普通人對Reasoning的需求就不大（吉卜力會爆紅顯示普通人對AI的期望會更像
有趣的玩具），企業有資源的會選擇自己建構，沒資源的會採用Agent方式讓多個響應比較
快的模型建構特定場景的任務替代Reasoning LLM。
差不多4醬