【菜科解读】

上世纪30年代的英国古董“R”牌28吋女车、市面上罕见的1951年首款永久28大杠、永久生产史上唯一一台26吋15型载重平车、相当少见的凤凰26吋61型轻便女车……这些“老爷”自行车今天悉数亮相在浦东新区惠南镇海沈村沪乡空间里，一场“上海骑迹”自行车文化展让市民游客可以沉浸在博物馆收藏级的展品中，充分体验自行车的魅力。

一走进展览，英国古董“R”牌28吋女车吸引了许多参观者的目光。

标志性的铜质“R”车标和立体“R”字灯架惹人注目。

窄车把、超级大弯管，中间由“工”字型钢架连接加固，高码车架且车身短，观众们直呼“这辆古董车老有腔调的”。

字母“R”是英国顶级豪车“劳斯莱斯”经典车标，因这款“R”牌自行车存世量少，又极具特色，故被称为“自行车中的劳斯莱斯”。

整个展览中10余“老爷”自行车展品均来自自行车收藏家龚治伟的个人收藏。

龚治伟收藏有60多辆老式自行车，包括上世纪早期英国、荷兰、意大利等品牌为主的西洋车，上世纪80年代前生产的日本老车，以及凤凰、永久、飞鸽等品牌的国产老车。

他表示，希望通过老式自行车展唤起观众对“自行车时代”的记忆，并激发观众对自行车运动的兴趣。

本次展览的另一大亮点——里约和东京两届奥运会上蝉联场地自行车项目冠军的钟天使训练时使用过的全碳纤维自行车，引来诸多参观者拍照留念。

2016年里约奥运会，钟天使搭档队友宫金杰，在场地自行车女子团体竞速赛中夺得金牌；

2021年东京奥运赛场上，钟天使搭档队友鲍珊菊，头戴“火凤凰”头盔率先冲过终点，成功卫冕。

除此之外，展出的两辆由竹子与金属制成的“文创自行车”，不仅设计精良、造型独特，同时向观众传递出绿色环保理念。

浦东新区惠南镇与自行车有缘：奥运会冠军钟天使出生于惠南镇海沈村；

自行车是惠南镇人民上世纪七十至九十年代最主要的交通工具；

自行车运动也是惠南镇开展全民健身、发展乡村休闲旅游的一张名片……

目前，惠南镇已设计“桥北——海沈——远东”三村联动骑行线路，贯通了8公里骑行道，以海沈村为核心，北至远东村沪南公路、南至桥北村大治河，形成了“骑迹乡村·印象惠南”的品牌并逐渐深入人心。

海沈村也正计划打造适用于竞技的公路自行车道，希望能实现专业竞技和健康健身的互融互通，让骑行的生活理念走深走远。

此次自行车文化展由浦东新区惠南镇人民政府主办，浦东新区惠南镇沪乡文化创意促进中心承办，将持续至10月7日，展会全程免费供市民游客及自行车爱好者参观。

DeepSeek-V4上线：使用华为芯片训练，性能比Gemini差3-6个月，价格优势明显

出品｜搜狐科技 作者｜郑松毅、常博硕 编辑｜杨锦 DeepSeek V4，来了！ OpenAI GPT 5.5 前脚刚发布，DeepSeek就亮出了“真家伙”。

就在刚刚，DeepSeek-V4的预览版本正式上线并同步开源。

据官方介绍，DeepSeek-V4拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。

模型按大小分为两个版本： 更具产业里程碑意义的是，DeepSeek-V4 从模型设计之初就深度适配国产算力，在华为昇腾芯片生态实测跑通，成为全球首个在国产算力底座上完成训练与推理的万亿参数级模型，打破对海外芯片与框架的长期依赖。

性能比肩顶级闭源模型，价格比Claude便宜21倍 官方实测数据显示，DeepSeek-V4-Pro性能比肩顶级闭源模型。

Agent（智能体）能力方面，相比前代模型，DeepSeek-V4-Pro的能力显著增强。

在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。

DeepSeek介绍，目前 DeepSeek-V4 已成为公司内部员工使用的 Agentic Coding 模型，据评测反馈使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与Opus 4.6 思考模式存在一定差距。

DeepSeek给出的结论相对克制。

在知识与推理任务上，其性能已经超过主流开源模型，并接近Gemini等闭源系统，但仍存在约3到6个月差距。

在 agent和代码任务上，其表现接近甚至部分超过Claude Sonnet。

此外，在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型（包括月之暗面的K2.6 Thinking、智谱GLM-5.1 Thinking等），取得了比肩世界顶级闭源模型的优异成绩。

相较之下，DeepSeek-V4-Flash主打性价比，能够提供更加快捷、经济的 API 服务。

在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 DeepSeek-V4-Pro 旗鼓相当，但在高难度任务上仍有差距。

据悉，V4-Pro 与 V4-Flash 最大上下文长度为 1M，均同时支持非思考模式与思考模式，其中思考模式支持 reasoning_effort 参数设置思考强度（high/max）。

对于复杂的 Agent 场景建议使用思考模式，并设置强度为 max。

使用价格如下： DeepSeek表示，“受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调。

” 再看看国际友商价格对比，可见DeepSeek的实惠： 混合架构解决工程落地痛点，全面适配国产算力 大模型处理超长文本的最大痛点，从来不是 “能不能装下”，而是跑不动、记不住、算不起。

随着传统注意力机制呈平方级复杂度攀升，百万Token场景下显存与算力直接 “爆炸”，几乎无法工程落地。

DeepSeek-V4 的发布，标志着大模型正式走出 “参数竞赛”，进入效率优先下一代赛道。

从一口气审计全量代码库、一次性解析千页合同，到全程记住长时间会议、串联多轮复杂智能体任务，V4让AI 真正具备“完整理解、长期记忆、深度推理”的能力，同时把使用成本大幅下拉。

这一切得益于DeepSeek业内首创“CSA （压缩稀疏注意力） + HCA （重度压缩注意力）”的混合架构。

用一套“分级压缩 + 分级检索”思路，把效率拉到极致。

这一新方法显著减少了计算复杂度，提升了长上下文处理的效率。

具体来看，CSA像给长文本做重点精读。

先把每 4 个Token压缩成一个信息块，再用稀疏检索只挑最相关的内容，既保留中段细节，又大幅削减计算量，兼顾精准与效率。

HCA像给长文本做大纲速读，把海量信息浓缩成框架级块，专门负责全局逻辑。

官方数据显示：1M Token场景下，V4-Pro 仅需 V3.2 的 27% 推理算力、10% KV 缓存；

Flash 版更是低至 10% 算力、7% 缓存。

除了混合注意力，V4 还带来三项关键技术革新，构成完整效率革命： mHC 流形约束超连接：升级传统残差连接，把信号传播约束在稳定流形上，深层不衰减、训练不炸数值。

Muon 优化器：替代传统 AdamW，收敛更快、训练更稳，完美适配 MoE 大模型与低精度训练，解决大批次长上下文训练的抖动难题。

全链路工程优化：专家并行细粒度通信重叠、TileLang 内核开发、FP4 量化感知训练、异构 KV 缓存管理，从计算、通信、存储全方位降本提速，推理加速最高近2倍。

最受大家关心的，是V4这次是否成功全面适配国产算力？ 报告指出，DeepSeek-V4在英伟达 GPU 与华为昇腾 NPU 两大硬件平台上，对细粒度 EP 优化方案完成了全面验证。

相较于性能优异的非融合基线方案，该方案在通用推理负载场景下可实现1.50~1.73 倍的加速比。

有业内观点指出，这代表已经完成华为昇腾平台的适配和实测落地。

但目前对外开源的只有英伟达GPU版本，昇腾适配代码未开源，属于闭源适配优化。

值得一提的是，寒武纪在软硬一体生态中，已经完成基于 vLLM 推理框架完成对 285B DeepSeek-V4-flash 和 1.6T DeepSeek-V4-pro 的适配，适配代码已开源到 GitHub 社区。

剩下的，就等DeepSeek-V4的实用表现了。

还有DeepSeek的首轮融资最终花落谁家，也还是个谜题。

“不诱于誉，不恐于诽，率道而行，端然正己。

” DeepSeek官方在文章最后表示，他们将始终秉持长期主义的原则理念，在尝试与思考中踏实前行，努力向实现 AGI 的目标不断靠近。

”

神谷英树首度回应猎天使魔女3结局争议，承认叙事模糊致误读

近日，猎天使魔女系列主创神谷英树在其个人著作神谷英树的世界中，首次就猎天使魔女3结局所引发的广泛讨论作出系统性回应。

他坦承，结局部分的视觉呈现存在明显模糊性，致使大量玩家误判主角贝优妮塔已彻底死亡，而这完全背离其创作初衷。

作为游戏的核心设计者，他主动承担了叙事传达失当的责任。

他在书中写道：“部分玩家对猎天使魔女3结局产生了强烈负面理解，认定贝优妮塔已经逝去。

这确实是我工作中的一处重大疏失。

我也意识到，在保留开放性与确保核心意图明确之间，很难把握恰如其分的平衡。

”他进一步指出，多元宇宙概念并非第三部临时引入的新设定，而是自2009年初代作品起便已奠定的基础――当时击败巴尔德所引发的现实裂变，本质上就是多重世界生成的起点。

他坦言，由于前作对平行世界机制的铺陈不够充分，导致第三部中相关情节缺乏足够支撑，最终造成理解上的断裂与分歧。

不过，这一解释能否延续至后续作品，尚无定论。

神谷已于2023年离开原开发团队，目前不再参与系列的制作决策。

未来若推出新作，世界观的走向将由新的主导者决定，其是否采纳当前的设定阐释，仍有待观察。

2026年4月22日