16个月后，DeepSeek不再是孤身走暗巷

事件速览

本周，中国AI开源模型迎来标志性的同台亮相。Kimi K2.6和DeepSeek V4前后脚发布，两个万亿参数的MoE开源模型，在同一周摆到了全球开发者面前。

各自拿出了什么

DeepSeek V4：1.6万亿参数，49B激活参数，原生支持100万token上下文。核心叙事是效率——单token推理算力需求下降73%，KV cache压缩到原来的1/10。同时完成了对华为昇腾芯片的深度适配，从英伟达CUDA生态向华为CANN架构做底层迁移。

Kimi K2.6：万亿参数，32B激活参数，256K上下文。核心叙事是更持久——连续编码13小时，处理超过4000次工具调用，修改4000多行代码。同时引入了300个子Agent并行协作的架构。

深度解读

这不是巧合。回顾16个月：DeepSeek R1和Kimi K1.5前后两小时内发布；DeepSeek NSA和Kimi MoBA同时改造注意力机制；MLA在两家之间来回走了一遍——MLA省推理时的钱，Muon省训练时的路。

两家技术的相互启发正在发生。上一轮是Kimi借鉴了DeepSeek的MLA，这一轮DeepSeek跟进使用了Kimi的Muon优化器。这已经不是竞争，而是技术栈层面的回声。

路太窄了，他们必然会在这里碰面。而下一次撞车，大概已经在路上了。