梁文锋和杨植麟再次“撞车”，他们的大模型竞争将何去何从？
大模型的新发展与竞争态势
DeepSeek新模型的亮点
DeepSeek于4月30日上线DeepSeek-Prover-V2。这个模型的参数规模扩展到671B，相比前一代V1.5的7B增加近百倍。这一增长让其在数学测试集上效率和正确率更高，例如miniF2F测试通过率达88.9%，还解决了PutnamBench的49道题。它的推出使DeepSeek各模型矩阵同步进化，从Prover系列到代码系列再到通用推理大模型，都有着持续的更新与发展路径。
月之暗面模型的情况
4月中旬，月之暗面推出Kimina-Prover。这是与Kimi团队和Numina共同研发的大模型，开源了1.5B和7B参数的模型蒸馏版本。该模型的miniF2F测试通过率为80.7%，PutnamBench测试成绩为10道题。虽然在与DeepSeek-Prover-V2的对比中，在测试成绩上稍逊一筹，但也是大模型领域的重要成果。
强化学习在大模型中的应用
DeepSeek的强化学习应用
DeepSeek在其技术报告《DeepSeek-Prover-V2：通过子目标分解的强化学习推进形式数学推理》中提到强化学习。在模型构建中，以DeepSeek-V3作为基础模型微调DeepSeek-Prover-V2-671B时，DeepSeek-V3在冷启动阶段将复杂问题分解为子目标，已解决子目标的证明合成思维过程链，结合逐步推理为强化学习创建冷启动。
月之暗面的强化学习应用
月之暗面的技术报告《Kimina-ProverPreview：基于强化学习技术的大型形式推理模型》也表明强化学习在其模型中的重要性。这显示出在大模型构建与优化方面，强化学习是被两家公司都看重的技术手段，尽管应用方式可能有所不同。
面临的挑战与发展方向
DeepSeek的挑战与机遇
对于DeepSeek来说，R1模型推出后外界对其的关注度有所下降，阿里巴巴开源模型已追赶并可能超越。市场期待其R2或V4模型发布以巩固优势。有传言R2将基于华为昇腾芯片推出，但昇腾芯片用于大模型研发可能存在问题。不过市场对其新模型仍充满期待，其各系列模型的持续进化也是发展机遇。
月之暗面的挑战与机遇
月之暗面旗下的Kimi面临字节跳动豆包和腾讯元宝等的挑战。腾讯元宝投入大量资金推广，在用户数量上已超过Kimi。Kimi目前通过内测社区功能增加用户粘性。而DeepSeek和月之暗面作为明星初创公司，在大公司的追赶下，都需要在技术创新、降低成本、提高速度等方面不断努力，以保持竞争力。
大模型领域竞争激烈，梁文锋和杨植麟所在的公司在新模型推出、技术应用等方面存在竞争，同时也面临不同挑战，未来发展充满变数，需要不断创新和优化才能在竞争中立足。
相关问答
DeepSeek-Prover-V2在哪些方面优于Kimina-Prover？
DeepSeek-Prover-V2在参数规模上远大于Kimina-Prover，在miniF2F测试通过率以及普特南测试的表现上也超过Kimina-Prover预览版。
强化学习在DeepSeek和月之暗面的大模型中有什么作用？
在DeepSeek中，强化学习有助于模型以DeepSeek-V3为基础进行微调等操作。月之暗面则是将强化学习用于大型形式推理模型构建，虽然应用细节不同，但都对模型构建有重要意义。
DeepSeek面临哪些来自其他公司的挑战？
阿里巴巴的开源模型在性能上可能超越DeepSeek，百度指出DeepSeek存在速度慢和价格贵等问题，同时市场上其他大模型也在竞争，这都是DeepSeek面临的挑战。
Kimi如何应对来自腾讯元宝的挑战？
Kimi通过内测社区功能增加用户粘性来应对挑战，而腾讯元宝投入大量资金推广，Kimi在投流费用上远低于腾讯元宝，需要在提升用户体验等方面下功夫。
华为昇腾芯片用于大模型研发有哪些不足？
一位行业人士表示，在英伟达H20芯片被限后，昇腾芯片一卡难求，且用于大模型研发时鲁棒性不强，生态系统不够完善，所以不太适合用于大模型研发。
百度为何决定学习DeepSeek？
尽管百度指出DeepSeek存在一些5系列。
