【DeepSeek能否脱颖而出？】DeepSeek开源Engram架构虽有“降本增效”潜力，但新模型想爆火仍需跨越多重现实短板。
在我看来核心问题主要集中在三点。
一是token效率拉胯，V3.2在世界知识广度上落后Gemini 3 Pro，解决同一复杂任务要耗7.7万token，是Gemini的3倍多，根源是GRPO算法的“长度偏见”，仍会“凑字数躲惩罚”生成冗长错误内容。
二是架构与能力局限，128K上下文许久未更新，还受Transformer“计算裂脑综合征”影响，能讲清推理规则却不会执行，简单数学换算要超200秒，且无图像理解能力。
三是稳定性与适配不足，V3.1曾有随机插“极”字的Bug，新Engram需开发者重构代码适配，社区工具支持少，落地成本高。
就目前实验室数据来看，虽然数据很亮眼，但真实场景能否补齐这些短板，才是决定新模型能否突围的关键。#DeepSeek新模型能否再次爆火#