一张号称 DeepSeek-V4 的跑分图在除夕夜疯传，数据惊人甚至超越 GPT-5.2。但经过社区考证，AIME 分数出现数学上不可能的小数，且对比倍数严重失实。虽然图片大概率是伪造的，但 DeepSeek 在论文和代码库中的动作频频，V4 发布已是箭在弦上。
智能速览
AIME 99.4% 的分数存在数学逻辑漏洞，不可能成立
宣称性能提升 11 倍实为计算错误，真实仅提升 1.25 倍
FlashMLA 代码库发现新架构线索，与 V3.2 完全不同
DeepSeek 近期连发两篇论文，解决训练信号爆炸等问题
官方悄悄更新上下文至百万 tokens，知识截止日期更新
精华内容
在全网热议 DeepSeek-V4 的传闻时，一张漂亮的跑分图引起了注意，但数据的严谨性却经不起推敲。
跑分图的逻辑漏洞
DeepSeek-V4 的泄露跑分图显示，其 AIME 2026 成绩高达 99.4%。然而 AIME 扩展版共 120 题，满分只能是 119/120（99.2%）或 120/120（100%）。99.4% 对应的 119.28 道题在数学上是不可能存在的，这一小数点后的错误直接暴露了图片的伪造性质。
此外，图中称 FrontierMath 成绩比 GPT-5.2 高 11 倍。通过计算，23.5% 除以 18.8% 实际仅为 1.25 倍。这种基础数据的错漏，让所谓“最强模型”的宣称显得苍白。
代码库里的新线索
尽管图片存疑，但 DeepSeek-V4 的开发并非空穴来风。1 月 20 日，开发者在 FlashMLA 代码库中发现了 28 处“MODEL1”引用，分布在 114 个文件中。分析显示，其架构与此前的 V3.2 完全不同，且该时间节点恰好是 R1 发布一周年。
同时，DeepSeek 悄悄将上下文窗口从 128K 扩展至百万 tokens，并更新了知识截止日期。这些实实在在的产品改动，暗示着新版本模型确实正在紧锣密鼓地准备中。
学术论文的提前铺垫
在技术层面，DeepSeek 创始人梁文锋的动向也值得关注。1 月 1 日，其署名发布 mHC 论文，旨在解决字节“超连接”在大模型训练时的信号爆炸问题；1 月 13 日，又一篇关于 Engram 条件记忆的论文出现，将静态知识检索与动态推理拆分处理。
这些学术成果往往对应着模型架构的核心升级，说明 V4 确实具备了技术突破的基础，而非仅仅是营销噱头。
虽然那张疯传的跑分图大概率是伪造的，但市场对“DeepSeek 时刻”的渴望让谣言得以传播。DeepSeek 在代码、论文和产品功能上的真实动作，比虚假的分数更具说服力。最终一切还需等待官方发布那一刻的揭晓。
