人家明说了就等华为的卡批量出货就能降价了，你还在这生态建成…
虽然但是，我想说可能楼主有些先入为主了。例如这句话：“(3) FP4 路径明确指向未来昇腾硬件”，我想说也有可能指的是blackwell对fp4的支持。我不觉得这个报告里能看出来到底是在什么卡上训的。
不过那天听cann的直播讲座，我感觉可能最新的昇腾硬件上已经可以拉起训练任务，理论上如果一个厂商购买国产卡，则厂商会派人驻场，所以如果昇腾已经能够开一个首发直播讲座的话，那应该积累的经验还是不少的
1 个赞
可以去看一下官方的benchmark，DS V4的MRCR优于opus4.7和Gemini，比5.5和Opus4.6差一些。
卖卡就等于生态建成的？您去看看华为官方的文档的完整度和对CANN适配的模型有多少？
2 个赞
佬，你其实可以去看一下我刚刚回复你的那张图片下边的内容，就是你去验证的是我给你已经发过一遍的内容,你看帖子里其实也有这段原文
是通过第三方来证明这件事儿，而不是说他自己在文档里直接写出来了
原文是证明已经包含了训练场景
§3.1 这一段本身就是训练系统的章节，不是推理
§3.1 后面"对硬件厂商的指标要求"是训练硬件指标
光看论文还不够，看华为侧的工程实现：
华为官方仓库 cann-recipes-train 里有 DeepSeek V4-Flash 在昇腾 A3 64 卡超节点上的续训练（CPT）参考实现
使用 TorchTitan-NPU + AutoFuse，吞吐 1100 tokens/p/s，开箱获得 31.8% 性能收益
链接：
https://gitcode.com/cann/cann-recipes-train/blob/master/docs/llm_pretrain/deepseek-v4_torchtitan_npu_autofuse.md（注意路径里就是 llm_pretrain）
链接：
AtomGit | GitCode - 全球开发者的开源社区,开源代码托管平台 llm_pretrain ）
cann-recipes-train 这个仓库名直接说明是训练。如果只能推理，这个仓库不会存在、CPT（Continued Pre-Training）这个工作流不会存在。
就是双向证明了，我才做了这个推断
3 个赞
我就不重复回答了，我把我回复的楼层给你贴出来
人家自己的DeepSeek Sparse Attention啊，你为什么不自己试试长context骤降不骤降呢，API又不是不让你访问
解释一下？这是官方的哦。被GLM 5.1在Code Arena上压了这么多，你觉得还会优于Claude嘛？
毕竟LMArena是盲测，可不像Benchmark测试那样可以轻易作弊的（行业公开的秘密，claude，gemini，gpt也都这么做）/
我说的是MRCR（长文本召回能力）啊……我可没吹DS V4的编码，最近一直在用5.5
感觉佬友也没有必要为了否定而否定吧，帖子里提到的那些积极意义是绝口不提啊…
5 个赞
arena.ai的coding arena只是webdev，我觉得不能很完整体现出模型的性能
建议还是去真实环境里跑一跑2333
顺便说一句，如果你觉得这个榜单里面GPT有问题，那说明他的安全对齐太严重了
1 个赞
llama:原来LMArena真的不能刷分吗
6 个赞
那您挺厉害的，张嘴一说就能顶的过deepseek的官方公告，他敢在公告里这么说，就代表绝对经过了测试
你说的和我不冲突，昇腾可能提前拿到了很多训练细节，已经做了一些在950上训练的技术积累，但这并不能证明dsv4真的是在950上训的。开源模型结构和权重后，任何厂商都可以很快地适配训练/推理，不管是寒武纪还是摩尔线程，都day0支持了推理（肯定也会有第三方客户有训练需求，或是换皮模型的训练需求）。但是你不会说它是在寒武纪或摩尔线程上训练的。这就是我想说的，没有办法证明训练场景中用了什么卡
3 个赞
谢谢您哈，过奖过奖，那Claude或者智谱也用了benchamrk作弊，然后发在官网上，就代表经过测试了吗？您看了测试过程嘛？您一定确定没有任何作弊吗？
什么竞技场都不如实战，怀疑人家context衰减，自己不测；怀疑人家能力不行，自己不测；那么多用V4-Pro找到5.5找不到的BUG的，不看。
本来这篇文章就是“被掐脖子到产能爬坡的拐点“，分的清什么叫拐点什么叫极点不
4 个赞
那请问你ds4为什么要说一句半年后就会被揭穿的假话？
1 个赞
那我也可以发布一个模型，网站上写SWE Bench verfied 100%也行哇
论坛里就有。既然没有进行过求证，为什么要说这么多？试试不就完了，DeepSeek对你对我同等的开放吧