（来源：上观新闻）
蒸馏的话，之前 🥩🤳Dee🇳🇦pSeek👆-V3 和 R🉐💛1 都实践过，但👑 V4 是先🇬🇾📱训练一🗑🥶些小专家，再🖲把这些🤱🚝专家学🇸🇪↖到的技能蒸馏出🏤来，节省参数量💆。合规节奏♠🐑追不上👀模型迭代速🗾度，工具🛠建设者和🇻🇪💪业务开发者的☢🔳认知之间存在📴🕉断层——基础🐣架构团队👳评测用 Huma🏉nEval♓🎩 和 MB✋✝PP，不是“能不🍵能理解我们存🔛储过程里💜的隐规则“😬🏧。
(来源👩🦰：Eka) 🥒🇵🇪据现场⛴报道，这台机💔器人的动作流畅程🐃度超出了大多数业👳♀️内人士😧🇱🇮的预期🧙♂️。未来，认知🕕㊗范式或将从孤立👨💼📓个体转向“人机👎👅协同认知体”🧻。此外，D🇪🇭🐪eepSeek 😭这次没有在 V4🐀🔀 上应用 Eng🤾♂️🐾ram（De🚮epSeek 🕹🇮🇩2026 年 🧓1 月📫🉑提出的条件记🛤忆技术）❤📲。
这个模型的🍤核心前提，是人🚓😠类必须首先承认自🍂身的局🐏限性，才能有效地👩🔧🔈使用A🇼🇸💩I作为认🇬🇩知工具⏬，而不是被AI🦛作为认知对象来操🇳🇫☠控🌼。比如说去年⚫🖨的 MLA、De🤞epS♎🧵eekMoE（👨💻🇧🇼DeepSe🇬🇹⚜ek 🇨🇨提出的一种🆑 MoE 混合👨🦱专家模型架🥴🔛构，最早用在👨👨👧📆 V2 中）🥂 等，我们🤴扎扎实实做👨✈️了一年，才能👩🦳在开源框架上跑🍥得比较好🥎。
