在业界对新一代旗舰模型DeepSeek V4的翘首期盼中，DeepSeek团队却悄然放出了一篇新的学术论文。

　　这篇论文由DeepSeek联合北大、清华共同撰写，将研究方向投向了决定大模型实际应用落地的关键一环——推理速度，为日益复杂的AI智能体，提供一套高效的底层系统解决方案。

　　具体来说，新论文介绍了一个名为DualPath的创新推理系统，专门针对智能体工作负载下的大模型（LLM）推理性能进行优化。通过引入“双路径读取KV-Cache（类似记忆缓存）”机制，重新分配存储网络负载，将离线推理吞吐量最高提升1.87倍，在线服务的每秒智能体运行数平均提升1.96倍。

　　论文在引言部分提到，大模型正从单轮对话机器人和独立推理模型，快速演进为智能体系统 ——能够自主规划、调用工具，并通过多轮交互解决实际任务。这种应用范式的转变，推动大模型推理工作负载发生重大变革：从传统的人类-大模型交互，转向人类-大模型-环境交互，交互轮次可达数十甚至数百轮。

　　上下文会跨轮次累积，最终长度可能达到极值。此时模型不需要大量计算，反而需要频繁从硬盘读取历史上下文的 KV-Cache；现有系统中，只有负责预处理的引擎会读取KV-Cache，它的网卡带宽被占满，而负责生成内容的解码引擎，网卡带宽基本闲置，导致整个系统速度被卡脖子。

　　因此，论文提出的DualPath，针对智能体工作负载、重新设计现代推理架构中 KV-Cache加载逻辑，解决大模型做智能体任务时，速度被 “数据读取”拖慢的核心问题，重要的是把闲置的带宽资源利用起来，相当于给数据读取“多开了一条高速路”，实现速度的大幅提升。

　　这一论文成果延续了DeepSeek一贯的风格，在工程化层面将性能优化推向极致。有从业者认为，DeepSeek做这类优化属于缺显卡的无奈之举，属于“脏活儿累活儿”，大家更期待团队在模型上做创新。

　　但也有人认为，即便有足够显卡，这类优化在降低成本、降低token费用方面也很有价值，因为只有足够便宜，AI才能走向大规模使用。

　　相比这篇“务实”的论文，外界显然更关注DeepSeek新一代旗舰模型的真面目。关于DeepSeek V4的发布时间，市场传闻已几经更迭。从最初传闻的2月春节前后，到外媒最新报道的“最快下周”，再到业内人士预测的3月前后，传闻链条愈发扑朔迷离。

　　就在近日，外网有网友爆料称，DeepSeek 正在测试 V4 Lite 模型，代号为“Sealion-lite”，上下文窗口为 100万tokens，并原生支持多模态推理。也有消息提及，DeepSeek已在近期将重大更新版本V4向华为等国内厂商提供提前访问权，以支持其优化处理器软件，确保模型在硬件上高效运行。

　　面对传闻，DeepSeek依旧保持其一贯的沉默，目前并未进行任何回应。但市场已进入“严阵以待”状态，部分投资机构担忧，新一代模型的发布会如同去年的版本发布时那样，引发市场的剧烈震荡。

（文章来源：第一财经）