针对国产显卡会拖累AI发展的疑问，有用户通过一项严苛的“哈利波特测试”给出了新视角。测试结果显示，参数量并不突出的DeepSeek V4 Lite模型，在处理超长上下文时的注意力机制上，表现竟超越了巨头Google的Gemini 3 Pro。这引发了对于国产硬件与软件协同发展的深度思考。
智能速览
一项“哈利波特测试”揭示了DeepSeek V4 Lite的惊人注意力水平。
在近百万token的超长上下文处理中，DeepSeek表现优于Gemini 3 Pro。
用户担忧，如果DeepSeek模型实现规模化，其潜力将非常恐怖。
业内讨论指出，主流大模型已转向成本更低的TPU进行训练。
有观点精辟地总结了国产计算卡的市场格局：分为华为昇腾与其他。
精华内容
面对国产显卡性能不足的质疑，一个深度测试给出了不一样的答案。它不仅检验了模型的真实能力，更揭示了一个可能被低估的真相。
极限测试
为了衡量模型的注意力极限，一项设计精巧的“哈利波特测试”被提出。测试将40条完全原创的“咒语”随机插入《哈利波特》前四部小说的文本中，构建了总长度约700K token的极端超长上下文，这个体量足以让绝大多数主流模型失效。随后，要求模型在不依赖世界知识、仅凭注意力机制的情况下，精准定位这40个“咒语”的位置。
这项测试的核心目的，是剥离模型对已有记忆的依赖，纯粹检验其在海量信息中捕捉和定位关键细节的能力。
性能对决
在这项严苛的测试中，DeepSeek V4 Lite与Google的Gemini 3 Pro展开了正面交锋。第一次测试，DeepSeek成功找到了全部40个“咒语”，而Gemini 3 Pro找到了38个。在第二次测试中，DeepSeek的成绩是38个，而Gemini 3 Pro仅找到了35个，还因上下文过长产生了幻觉，输出了无关内容。
值得注意的是，DeepSeek第二次未能找全的2个“咒语”，据测试者分析，是其自身设计的“咒语”与原文风格过于雷同所致，并非模型能力不足。
潜力与挑战
测试结果表明，在处理超长上下文这一关键指标上，参数量远小于对手的DeepSeek V4 Lite，其注意力水平已显著领先。这说明模型算法层面的优化，可以在一定程度上弥补硬件算力的差距。测试者感叹，如果未来DeepSeek能实现参数量的规模化提升，其最终表现将难以想象。
然而，挑战也同样现实。有观点指出，目前无论是Gemini还是Claude，都在转向使用Google的TPU进行训练，这背后是成本与技术生态的考量。国产AI的发展，仍需在硬件生态上持续突破。
这次测试不仅是对单一模型的评估，更是对国产AI发展路径的一次深刻洞察。它证明了软件算法的精进可以成为撬动性能的关键杠杆。未来，当国产硬件与顶尖算法实现更深层次的协同，国产AI的竞争力将迎来怎样的质变？这值得期待。
关键评论
有网友指出，海外关于DeepSeek的发布消息时常不准，其命名策略也并不遵循传统套路。
有评论分析行业趋势，认为越来越多大模型转向TPU训练，可能与英伟达GPU成本过高有关。
一种声音认为，应当让显卡回归其作为游戏工具的本质用途。
有观点精辟地总结了国产计算卡的市场格局：分为华为昇腾与其他。
