【菜科解读】

　　理论家阿朵提出了一个新的理论来解释希格斯玻色子惊人的小质量和令人困惑的强力的对称性。

希格斯玻色子的发现是物理学史上的一个里程碑。

它解释了一些基本的东西：有质量的基本粒子如何获得它们的质量。

但它也标志着同样重要的事情：一个详细测量粒子特性并找出它们可能揭示宇宙本质的时代的开始。

　　其中一个性质是粒子的质量，在125 GeV时，它出奇的小。

已经提出了许多理论来解释这种小质量，但迄今为止没有一个得到数据的证实。

在刚刚发表在《物理评论快报》上的一篇论文中，法国替代能源和原子能委员会(CEA)的ra？aele·蒂托·德·阿格诺洛和欧洲核子研究中心的丹尼尔·特雷西提出了一个新的理论来解释希格斯玻色子的亮度和另一个基本的物理难题。

　　大体来说，两人的理论是这样运作的。

在早期，宇宙是许多宇宙的集合，每个宇宙都有不同的希格斯质量值，在其中一些宇宙中，希格斯玻色子是光。

在这个多元宇宙模型中，带有重希格斯玻色子的宇宙在很短的时间内就在一次大挤压中崩溃了，而带有轻希格斯玻色子的宇宙在这次崩溃中幸存了下来。

我们今天的宇宙将是这些幸存的光希格斯宇宙之一。

　　更重要的是，该模型除了标准模型预测的已知粒子外，还包括两个新粒子，还可以解释强力的令人费解的对称性，强力将夸克结合成质子和中子，将质子和中子结合成原子核。

　　尽管被称为量子色动力学的强力理论预测了称为 CP 对称性的基本对称性的强相互作用可能会崩溃，但在实验中并未观察到这种崩溃。

D'Agnolo 和 Teresi 模型中的一个新粒子可以解决这个所谓的强 CP 问题，使强相互作用 CP 对称。

此外，同样的新粒子也可以解释被认为构成宇宙中大部分物质的暗物质。

　　陪审团当然不知道新模型，或者被提议用来解释希格斯玻色子质量或强CP问题的许多其他模型中的任何一个，是否会飞。

　　“每个模型都有好处和限制。

”特雷西说。

“我们的模型之所以脱颖而出，是因为它简单、通用，并且可以同时解决这两个看似无关的难题。

它还预测了旨在寻找暗物质或中子和其他强子中的电偶极矩的实验数据中的独特特征。

”

　　其他最近解释希格斯质量的理论建议包括弛豫场模型、量子宇宙学中的一种新现象和自私的希格斯模型等等。

更古老、更传统的理论基于复合粒子的希格斯玻色子或称为超对称的新型对称。

只有时间和数据才能说明哪种模型（如果有的话）会占上风。

刚刚，直线猛拉！DeepSeek V4正式发布

【导读】它来了！ 中国基金报记者 泰勒 千呼万唤始出来，就在刚刚，DeepSeek正式发布并开源全新系列模型DeepSeek-V4，分为Pro和Flash两个版本。

在一年前震动硅谷之后，这次带来了其迄今为止最大的一次升级。

DeepSeek发布V4版本 4月24日，DeepSeek全新系列模型DeepSeek-V4的预览版本正式上线并同步开源。

据介绍，DeepSeek-V4拥有百万字超长上下文，在Agent能力、世界知识和推理性能上均实现国内与开源领域的领先。

模型按大小分为两个版本。

即日起登录官网或官方App，即可与DeepSeek-V4对话，API服务也已同步更新。

以下是新版本的重点内容： 1.DeepSeek-V4-Pro：性能比肩顶级闭源模型 相比前代模型，DeepSeek-V4-Pro的Agent能力显著增强。

在Agentic Coding评测中，V4-Pro已达到当前开源模型最佳水平，并在其他Agent相关评测中同样表现优异。

目前DeepSeek-V4已成为公司内部员工使用的Agentic Coding模型，据评测反馈使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式，但仍与Opus 4.6思考模式存在一定差距。

DeepSeek-V4-Pro在世界知识测评中，大幅领先其他开源模型，仅稍逊于顶尖闭源模型Gemini-Pro-3.1。

在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型，取得了比肩世界顶级闭源模型的优异成绩。

2.大幅降低了对计算和显存的需求 DeepSeek-V4开创了一种全新的注意力机制，在token维度进行压缩，结合DSA稀疏注意力（DeepSeek Sparse Attention），实现了全球领先的长上下文能力，并且相比于传统方法大幅降低了对计算和显存的需求。

从现在开始，1M（一百万）上下文将是DeepSeek所有官方服务的标配。

3.Agent 能力专项优化 DeepSeek-V4针对Claude Code、OpenClaw、OpenCode、CodeBuddy 等主流的Agent产品进行了适配和优化，在代码任务、文档生成任务等方面表现均有提升。

DeepSeek融资进行中 据多家媒体报道， DeepSeek近日 启动首轮融资， 正与少数战略投资者接触，可能把估值推高至200亿美元以上。

知情人士称，DeepSeek的自由现金流确实不如一些体量更大的竞争对手充裕，但公司眼下并没有迫切的大额外部融资需求。

因此，这轮融资的核心其实是稳定研究团队。

过去一年，一些竞争对手估值快速上升，DeepSeek已有部分研究人员离职投向对方。

在AI行业，股票期权通常是研究人员薪酬的重要组成部分，很多时候甚至占到大头。

目前谈判仍存在较大不确定性，最终是否达成交易以及具体估值仍未可知。

2025年1月，DeepSeek发布了一款具有突破性的模型，其性能可与美国竞争对手相媲美，震动了整个AI行业。

市场反应 DeepSeek消息出来之后，市场反应较为剧烈。

国产芯片直线猛拉，寒武纪直线大涨。

消息面上，寒武纪已基于vLLM推理框架完成对DeepSeek全新版本的Day 0适配，适配代码已开源到GitHub社区。

这一成果得益于寒武纪长期积累的自研NeuWare软件生态与芯片设计技术，也是寒武纪对芯片与算法联合创新持续投入的延续。

而DeepSeek的竞争对手——智谱、Minimax在V4发布后跌势扩大，分别跌6.8%和3.9%。

编辑：张玲 校对：乔伊 制作：嘉颖 审核：许闻

DeepSeek-V4上线：使用华为芯片训练，性能比Gemini差3-6个月，价格优势明显

出品｜搜狐科技 作者｜郑松毅、常博硕 编辑｜杨锦 DeepSeek V4，来了！ OpenAI GPT 5.5 前脚刚发布，DeepSeek就亮出了“真家伙”。

就在刚刚，DeepSeek-V4的预览版本正式上线并同步开源。

据官方介绍，DeepSeek-V4拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。

模型按大小分为两个版本： 更具产业里程碑意义的是，DeepSeek-V4 从模型设计之初就深度适配国产算力，在华为昇腾芯片生态实测跑通，成为全球首个在国产算力底座上完成训练与推理的万亿参数级模型，打破对海外芯片与框架的长期依赖。

性能比肩顶级闭源模型，价格比Claude便宜21倍 官方实测数据显示，DeepSeek-V4-Pro性能比肩顶级闭源模型。

Agent（智能体）能力方面，相比前代模型，DeepSeek-V4-Pro的能力显著增强。

在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。

DeepSeek介绍，目前 DeepSeek-V4 已成为公司内部员工使用的 Agentic Coding 模型，据评测反馈使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与Opus 4.6 思考模式存在一定差距。

DeepSeek给出的结论相对克制。

在知识与推理任务上，其性能已经超过主流开源模型，并接近Gemini等闭源系统，但仍存在约3到6个月差距。

在 agent和代码任务上，其表现接近甚至部分超过Claude Sonnet。

此外，在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型（包括月之暗面的K2.6 Thinking、智谱GLM-5.1 Thinking等），取得了比肩世界顶级闭源模型的优异成绩。

相较之下，DeepSeek-V4-Flash主打性价比，能够提供更加快捷、经济的 API 服务。

在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 DeepSeek-V4-Pro 旗鼓相当，但在高难度任务上仍有差距。

据悉，V4-Pro 与 V4-Flash 最大上下文长度为 1M，均同时支持非思考模式与思考模式，其中思考模式支持 reasoning_effort 参数设置思考强度（high/max）。

对于复杂的 Agent 场景建议使用思考模式，并设置强度为 max。

使用价格如下： DeepSeek表示，“受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调。

” 再看看国际友商价格对比，可见DeepSeek的实惠： 混合架构解决工程落地痛点，全面适配国产算力 大模型处理超长文本的最大痛点，从来不是 “能不能装下”，而是跑不动、记不住、算不起。

随着传统注意力机制呈平方级复杂度攀升，百万Token场景下显存与算力直接 “爆炸”，几乎无法工程落地。

DeepSeek-V4 的发布，标志着大模型正式走出 “参数竞赛”，进入效率优先下一代赛道。

从一口气审计全量代码库、一次性解析千页合同，到全程记住长时间会议、串联多轮复杂智能体任务，V4让AI 真正具备“完整理解、长期记忆、深度推理”的能力，同时把使用成本大幅下拉。

这一切得益于DeepSeek业内首创“CSA （压缩稀疏注意力） + HCA （重度压缩注意力）”的混合架构。

用一套“分级压缩 + 分级检索”思路，把效率拉到极致。

这一新方法显著减少了计算复杂度，提升了长上下文处理的效率。

具体来看，CSA像给长文本做重点精读。

先把每 4 个Token压缩成一个信息块，再用稀疏检索只挑最相关的内容，既保留中段细节，又大幅削减计算量，兼顾精准与效率。

HCA像给长文本做大纲速读，把海量信息浓缩成框架级块，专门负责全局逻辑。

官方数据显示：1M Token场景下，V4-Pro 仅需 V3.2 的 27% 推理算力、10% KV 缓存；

Flash 版更是低至 10% 算力、7% 缓存。

除了混合注意力，V4 还带来三项关键技术革新，构成完整效率革命： mHC 流形约束超连接：升级传统残差连接，把信号传播约束在稳定流形上，深层不衰减、训练不炸数值。

Muon 优化器：替代传统 AdamW，收敛更快、训练更稳，完美适配 MoE 大模型与低精度训练，解决大批次长上下文训练的抖动难题。

全链路工程优化：专家并行细粒度通信重叠、TileLang 内核开发、FP4 量化感知训练、异构 KV 缓存管理，从计算、通信、存储全方位降本提速，推理加速最高近2倍。

最受大家关心的，是V4这次是否成功全面适配国产算力？ 报告指出，DeepSeek-V4在英伟达 GPU 与华为昇腾 NPU 两大硬件平台上，对细粒度 EP 优化方案完成了全面验证。

相较于性能优异的非融合基线方案，该方案在通用推理负载场景下可实现1.50~1.73 倍的加速比。

有业内观点指出，这代表已经完成华为昇腾平台的适配和实测落地。

但目前对外开源的只有英伟达GPU版本，昇腾适配代码未开源，属于闭源适配优化。

值得一提的是，寒武纪在软硬一体生态中，已经完成基于 vLLM 推理框架完成对 285B DeepSeek-V4-flash 和 1.6T DeepSeek-V4-pro 的适配，适配代码已开源到 GitHub 社区。

剩下的，就等DeepSeek-V4的实用表现了。

还有DeepSeek的首轮融资最终花落谁家，也还是个谜题。

“不诱于誉，不恐于诽，率道而行，端然正己。

” DeepSeek官方在文章最后表示，他们将始终秉持长期主义的原则理念，在尝试与思考中踏实前行，努力向实现 AGI 的目标不断靠近。

”