DeepSeek正式加入超大参数竞赛。据The Information报道，该公司目前正在训练一个约2万亿参数的新模型；梁文锋在近期一场投资者会议上表示，公司下一步计划把模型规模继续推到8万亿参数。这一目标相当于DeepSeek今年4月发布的V4-Pro（1.6万亿总参数、490亿激活参数）的约5倍。

放在一年前，8万亿还是难以想象的数字。但如今，Kimi K3已做到2.8万亿总参数、1040亿激活参数，仍是已正式发布、参数规模最大的开放权重模型；字节被曝正在预训练一个最高可能达到10万亿参数的新模型，由Seed Foundation负责人项亮主导；阿里CEO吴泳铭公开宣布，下一代模型计划做到5万亿到10万亿参数。Anthropic虽不公开参数，但FT此前援引业内估计称，其最新旗舰Mythos 5大约在8万亿参数左右。

这一转向对DeepSeek而言颇为反常。2024年底发布V3时，DeepSeek曾把训练账单摆上台面：6710亿总参数、每Token激活370亿参数，完整训练消耗278.8万H800 GPU小时，按每GPU小时2美元计算，官方给出的训练成本仅557.6万美元。效率而非规模，一度是DeepSeek最鲜明的标签。

条件变化是路线调整的直接原因。DeepSeek今年6月完成成立以来首轮外部融资，募资约74亿美元；第二轮约500亿元人民币（约75亿美元）的融资已进入最后敲定阶段，对应估值约5000亿元人民币。若顺利完成，几个月内累计外部融资将接近150亿美元。公司已聘请中信证券筹备科创板IPO，新增资本明确用于算力基础设施、模型开发和人才投入；9月21日，原高瓴创投合伙人严文韬正式出任CFO，结束了成立三年来CFO空缺的状态。资金与算力条件改善后，DeepSeek开始有能力在参数规模上大胆投入。

参数重新成为焦点，背后是主流架构的变化。过去Dense架构下，参数规模与计算量基本绑定，模型越大、训练和推理成本越高。如今超大模型普遍采用MoE（混合专家）架构，模型可拥有数百甚至数千个专家，但每次任务只激活其中一小部分。例如Kimi K3的2.8万亿总参数中，每Token仅激活约1040亿，占比约3.7%；DeepSeek V4-Pro每Token激活约490亿，占比约3%。总参数与单次激活参数由此成为两个独立数字，模型可以继续扩大容量，而不必让每次计算同比变重。月之暗面称，靠更稀疏的MoE和架构优化，K3整体Scaling效率相比K2提升约2.5倍。

Agent时代的到来进一步放大了这种容量的价值。过去衡量Chatbot能力往往逐项测试，数学、代码、问答各自看峰值；而Agent把能力串进同一条任务链，一次长任务可能涉及搜索、读网页、写代码、调用终端、处理报错、协调子Agent等数十上百步操作。OpenAI今年9月发布Agents API时，就把长时间运行、上下文管理、工具使用和子Agent协调列为核心基础设施，强调Agent需可靠运行数小时甚至数天。任务越长，对能力覆盖面和稳定性的要求越高，前沿竞争因此出现明显的“木桶效应”。METR已直接用“任务时间跨度”衡量Agent能力。

更大的参数容量因此有了新的意义：任务越长，模型越不能偏科；Agent能做的事情越多，底座需要覆盖的能力就越广。MoE打开了容量扩张的空间，Agent则把容量的价值进一步放大。于是，模型厂商一边拼命提高效率，一边重新把参数往5万亿、8万亿、10万亿推。省下来的算力并没有让Scaling消失，反而为新一轮Scaling腾出了空间。