DeepSeek也加入了这场参数竞赛。据《The Information》报道，DeepSeek目前正在训练一个约2万亿参数的新模型；公司创始人梁文锋近期在投资者会议上表示，下一步计划将模型规模推至8万亿。一年前，8万亿还是难以想象的数字，但现在，Kimi K3已达到2.8万亿参数；字节跳动正在预训练一个最高可能达到10万亿参数的新模型；阿里也公开宣布，下一代模型将向5万亿至10万亿参数推进。Anthropic虽不公开参数规模，但据《金融时报》此前援引业内估计，其最新旗舰Mythos 5大约就在8万亿参数左右。大模型行业兜了一圈，又开始比谁的参数更大了。
这事儿放在DeepSeek身上其实挺反常。毕竟DeepSeek去年给整个AI行业留下最深的印象，并不在参数上。它曾一度引发行业重新思考：前沿模型是否真的需要无限烧GPU。2024年底发布V3时，DeepSeek特意公布了训练账单：6710亿总参数，每个Token激活370亿参数，完整训练消耗278.8万H800 GPU小时，按每GPU小时2美元计算，官方给出的训练成本仅557.6万美元。这个数字以及背后的效率，成了DeepSeek后来最重要的标签之一。DeepSeek没有OpenAI或Anthropic那样充裕的先进GPU供应，过去也长期依赖梁文锋旗下的幻方量化自我输血，不接受外部融资。这种条件决定了它的路线——既然钱和算力有限，就尽可能从架构、训练和推理效率里抠性能。
但现在，条件变了。DeepSeek今年6月刚完成成立以来首轮外部融资，募资约74亿美元；目前第二轮约500亿元人民币（约75亿美元）的融资已进入敲定阶段，对应估值约5000亿元人民币。如果本次融资顺利完成，DeepSeek几个月内累计外部融资将接近150亿美元、约1000亿元人民币。与此同时，DeepSeek已聘请中信证券筹备科创板IPO，新增资本明确将用于算力基础设施、模型开发和人才投入；9月21日，原高瓴创投合伙人严文韬正式加入DeepSeek并出任CFO，结束了公司成立三年来CFO一直空缺的状态。以前的DeepSeek，是在有限的钱和算力里尽可能把模型做好；现在融资、上市都在往前推，手里的钱多了，算力也能跟着往上堆。有条件以后，DeepSeek也开始大胆卷参数了。
这轮竞赛的推手，是月之暗面。今年7月，Kimi K3做到了2.8万亿总参数、1040亿激活参数。K3至今仍是已正式发布、参数规模最大的开放权重模型。它不仅大，性能也强劲，官方评测显示其GPQA Diamond达到93.5，Terminal-Bench 2.1达到88.3，已与同期GPT-5、Claude 5等顶级模型打得难解难分。8月，字节跳动被曝正在训练一个更大的模型。据《晚点 LatePost》披露，字节内部认为与其在现有尺寸上追赶，不如一次把参数规模推到同行数倍。字节正在预训练的新模型规模最高可能达到10万亿参数；据《金融时报》援引知情人士称，这个数字甚至可能超过Anthropic最前沿的Mythos（业内估计约8万亿）。现在，5万亿以上的超大参数量又开始反复出现在前沿模型的讨论里。今天，阿里CEO吴泳铭公开宣布，下一代模型计划做到5万亿到10万亿参数；DeepSeek则在训练2T模型的同时，把后续目标放到了8T。
可以理解为，头部实验室重新把更大的总参数规模当成了冲击能力上限的一条重要路线。就连不公开参数的美国闭源模型也逃不开外界的审视，Anthropic的Mythos被外界估到8T；OpenAI从GPT-4时代起就不再公开模型规模，但社区流传着Astra达到了10T级MoE的说法。参数量从未失去吸引力，如同游戏面板上的战力值——人们知道它不能代表全部，但它永远是最直观、最有压迫感的那个数字。大模型行业其实有段时间不太爱谈参数。这两年，蒸馏、小模型、MoE、强化学习和推理时计算轮番上阵，比起炫耀自己有几千亿、几万亿参数，模型厂商更愿意讲性能、成本和效率。单纯把模型做大，很容易显得有钱没地方烧。时至今日，参数量被重新抬了上来，又一次成为了前沿模型的“排面”。
不过，今天的5T、8T、10T，和上一轮Scaling里的“参数越多，模型越大”，已经不是同一回事了。参数量能重新上桌，最直接的原因是超大模型的主流架构变了。过去的大模型，主流还是Dense架构，参数规模和计算量基本绑在一起。简单说，就是模型里有多少参数，每次计算基本都得一起上。参数越多，能力上限往往越高，但训练和推理成本也跟着往上涨。现在，越来越多超大模型用的是MoE，Mixture of Experts，混合专家架构。它更像一家养了很多专家的公司，模型可以拥有几百、几千个专家，但每次任务只挑其中一小部分上班。比如Kimi K3有2.8T总参数，但每个Token只激活104B，大约3.7%；DeepSeek V4-Pro有1.6T总参数，每个Token只激活49B，大约3%。所以今天说一个模型有5T、8T甚至10T参数，并不意味着它每生成一个Token都要跑完这10T参数。模型能装多少，和每次要算多少，变成了两个不同的数字。参数可以理解成模型用来承载知识、模式和能力的空间。总参数越大，模型理论上就有更大的空间去学习更多、更复杂的分布；MoE又允许它只在需要的时候调用其中一部分。
于是，模型可以继续增加总参数的容量，而不需要让每一次计算都同比变重。依然拿K3举例，它把总参数做到2.8T，规模约是K2.5的3倍，但896个专家里，每个Token只激活16个。月之暗面称，靠更稀疏的MoE和一系列架构优化，K3的整体Scaling效率相比K2提升了约2.5倍。而Agent时代，恰好又把这种“容量”重新推到了竞争中心。过去衡量一个Chatbot，能力往往是一项一项测的。数学看数学，代码看代码，问答看知识。模型在几个关键Benchmark上把峰值做高，就足以证明自己很强。但Agent把这些能力串进了同一条任务链。一个真实的长任务，可能从搜索资料开始，中间读网页、看图片、写代码、调用终端，再遇到报错、修改方案、调用别的工具，甚至把子任务分给其他Agent。OpenAI今年9月发布Agents API时，就把长时间运行、上下文管理、工具使用和子Agent协调直接列成了Agent的核心基础设施，并强调Agent需要可靠运行数小时甚至数天。一次问答里，某项能力偶尔失手可能只丢一道题；几十步、上百步的Agent任务里，任何一个薄弱环节都可能中断整条链路。任务越长，对能力覆盖面和稳定性的要求就越高。前沿竞争因此开始出现明显的“木桶效应”。METR现在甚至直接用“任务时间跨度”衡量Agent能力，因为任务越长，对模型持续完成一连串不同操作的要求越高。Chatbot时代更容易看到能力峰值，Agent时代开始越来越看能力覆盖面。
这时候，更大的参数容量就有了新的价值。任务越长，模型越不能偏科；Agent能做的事情越多，底座需要覆盖的能力就越广。MoE打开了容量继续扩张的空间，Agent则把容量的价值进一步放大。于是，模型厂商一边拼命提高效率，一边又重新把参数往5T、8T、10T推。省下来的算力并没有让Scaling消失，反而给Scaling腾出了新的空间。