DeepSeek R2 到底发了没有？答案是：没有。V4 才是真正的主角

如果你在网上搜"DeepSeek R2"，会看到大量文章报道"R2 正式发布"、"R2 炸裂开源"——参数数字从 131B 到 685B 不等，发布日期从 5 月 5 日到 5 月 31 日各说各话。

这些信息大部分是错的。或者说，它们描述的是一篇从未发生过的发布。

这不是我的判断。打开 DeepSeek 官方的 API 文档，截至 2026 年 7 月 23 日，可用的模型列表是：

• deepseek-v4-flash
• deepseek-v4-pro
• deepseek-chat（旧名，将于 7 月 24 日废弃）
• deepseek-reasoner（旧名，将于 7 月 24 日废弃）

没有 deepseek-r2。 没有 R2 端点，没有 R2 预览，没有 R2 内测。

本文不打算传播又一个 R2 的"参数规格表"。我想做的是：理清 R2 从未发布的真正原因，以及 DeepSeek 实际做了什么替代品。

R2 为什么没发？创始人自己不满意

最可信的消息来源是路透社的报道。据多位知情人士透露，DeepSeek 创始人梁文锋对 R2 的性能不满意，因此从未为其设定发布时间线。

这不是产能问题，不是监管问题，也不是什么"战略延期"。是一个创始人看着自己的作品，觉得不够好，决定不发。

导致 R2 难产的结构性压力是真实的：

• 出口管制切断了 DeepSeek 获取高端 NVIDIA 加速器的途径，压缩了训练吞吐量
• 训练数据的质量和数量被描述为"真正的约束条件"，特别是代码生成和非英语推理方面
• 从 R1（2025 年 1 月）到 R2 原定发布窗口之间，DeepSeek 团队扩大了模型规模但未能同时在质量上实现跨越

梁文锋的选择是：不发比发一个失望的东西好。这在今天的 AI 行业里几乎是反直觉的——大部分公司会选择"先发再修"。DeepSeek 没有。

DeepSeek 实际做了什么：V4

在互联网等待 R2 的一年多里，DeepSeek 实际在建造一艘更大的船。

2026 年 4 月 24 日，DeepSeek 正式发布 V4。它不是一个推理模型——它是吸收推理能力的基础模型。

V4-Pro

维度	数值
架构	MoE（混合专家）
总参数	1.6 万亿（1.6T）
激活参数	49B
上下文窗口	100 万 token
推理模式	支持 Thinking Mode（非思考/思考切换）
许可证	MIT（可商用、可修改、可再分发）
训练芯片	华为昇腾（Ascend），非 NVIDIA
API 价格	输入 $0.435/M，输出 $0.87/M
独立评测	Artificial Analysis 智能指数 44（v4.1）

几个值得注意的点：

训练在华为昇腾上。 出口管制迫使 DeepSeek 切断了 NVIDIA 依赖，V4 是在华为 Ascend 芯片上完成训练的。如果你还记得 2023-2024 年关于"中国 AI 被芯片卡脖子"的讨论——V4 用实际产品回应了这个问题：瓶颈是效率，不是芯片。

MIT 许可，权重开源。 1.6T 参数的模型权重公开可下载，MIT 许可意味着真正的商用自由，不需要申请、不需要报备。

定价延续了 R1 的破坏性。 0.435/0.87 这个价格原本是 75% 的促销折扣，然后 DeepSeek 直接把它变成了永久定价。对比 Claude Opus 4.8 的 $15/$75，V4-Pro 的成本低了 30-50 倍。

V4-Flash

V4-Flash 是 V4-Pro 的小弟，更小、更快、更便宜。同样支持 Thinking Mode，同样 MIT 许可。

有趣的是，deepseek-chat 和 deepseek-reasoner 这两个旧名现在分别映射到 V4-Flash 的非思考和思考模式。也就是说，如果你 2026 年上半年一直用 DeepSeek 的"推理模式"，你其实已经在用 V4-Flash 了，只是名字没改过来。

DSpark

2026 年 6 月底，DeepSeek 又发布了 DSpark——一个 MIT 许可的开源推测解码框架。它的机制是用一个小模型先"草拟"token，大模型批量验证，而不是逐 token 生成。

DeepSeek 报告 V4-Flash 在启用 DSpark 后，单用户生成速度提升了 60-85%。

所以 R2 到底怎么回事？

我的理解是这样的：

DeepSeek 原来的计划确实是发布 R2——一个专注于推理的模型，延续 R1 的路线。但训练过程中发现了两个问题：

1. 纯推理模型的路越来越窄。 2025-2026 年，所有主流模型（GPT、Claude、Gemini）都在把推理能力内建到基础模型中。单独的推理模型存在的意义在被稀释。

2. V4 的基础够强。 V4 在训练过程中展现出了足够的推理能力，让团队决定与其分叉出一个 R2，不如把推理直接放进 V4 作为模式切换。

结果是：R2 消失了，但它的能力被 V4 吸收了。V4 的 Thinking Mode 就是原来的 R2。

这是否算"R2 发布了"取决于你怎么定义。但严谨地说——DeepSeek 从未发布过一个叫 "R2" 的模型。社区流传的那些参数规格，全部来自推测和自媒体。

开源大模型格局的三个关键趋势

V4 的故事不是孤立的。把它和 Llama 4、Qwen 3.6 放在一起看，能看清 2026 年开源大模型的几个趋势：

1. 许可证在变松。 DeepSeek V4 是 MIT、Llama 4 是带 MAU 上限的宽松许可、Qwen 3 全系 Apache 2.0。三年前"开源模型"还是个有争议的概念，2026 年这已经变成竞争基线。

2. 训练硬件的依赖在松动。 V4 在华为昇腾上完成训练，证明了算法效率可以补偿硬件差距。这地缘政治上是个大事，技术上也是。

3. 推理能力被内建。 R2 没有独立存在，因为它的价值被 V4 吸收了。Qwen 3.5/3.6 也支持思考/非思考模式切换。单独的"推理模型"这个品类正在消失。

• DeepSeek API 文档：api-docs.deepseek.com
• DeepSeek V4 公告：deepseek.com
• Reuters：DeepSeek R2 未设定发布时间线