5月1日早上醒来，看到朋友圈和开发者群里在讨论一件事：DeepSeek前两天发的一篇多模态论文，删了。
说实话，第一反应是：什么论文？叫什么？讲什么的？
因为我完全没赶上这趟车。等我知道这事的时候，原文已经404了。
后来看了一些媒体的报道，算是拼凑出了事情的大概。这篇文章从开发者视角说说我的理解，以及这次事件可能带来的影响。
- 事件回顾：发生了什么？
简单梳理下时间线：
4月29日晚：DeepSeek研究员陈小康在X平台发推"Now, we see you"，蓝色鲸鱼摘下眼罩，宣布多模态识图功能灰度测试
4月30日晚：陈小康再发推"Excited to release"，公布论文《Thinking with Visual Primitives》，上传至GitHub
5月1日晨：推文删除、GitHub仓库404、论文原文消失，官方未做任何解释
就这么没了。
没有任何公告，没有任何说明。
- 技术细节：论文到底说了什么？
根据几篇科技媒体的报道（APPSO、36氪、虎嗅等），这篇被删的论文主要讲的是一件事：
如何让AI在图片中"精确指向"特定对象。
2.1 引用鸿沟：问题是什么？
传统多模态模型的痛点不在于"看不清"，而在于"指不准"。
你给模型一张演唱会照片，问"第三排左边第二个穿白衣服的人"——它可能不知道你在说谁。你让它数人数，它可能数错。
DeepSeek把这个问题定义为"引用鸿沟"：模型能识别对象，但无法在推理过程中精确指向对象。
这个观察本身不算新，但DeepSeek的贡献在于提出了一个系统性的解决方案。
2.2 视觉原语：解决方案是什么？
核心思想是把"坐标"变成推理的内部变量。
论文提出了两种"视觉原语"：
边界框（box） ：锁定具体物体，如[[452,23,804,411]]
点坐标（point） ：追踪轨迹，如迷宫路径上的每个拐点
推理示例：
plaintext
找到一只熊 [[452,23,804,411]]，正在爬树，排除 再往左下看，找到另一只 [[50,447,647,771]]，站在岩石边缘，符合条件
不是用自然语言含糊描述，而是用精确坐标来指代。
2.3 模型架构
表格
参数数值基座模型DeepSeek-V4-Flash总参数量284B推理时激活参数13B架构类型MoE
三级视觉压缩流程：
原始756×756图片 → ViT生成2916个图像块token → 3×3空间压缩合并为324个token → CSA压缩稀疏注意力再压缩4倍 → 最终81个视觉KV条目
这个压缩率是7056倍。
对比一下其他模型的KV条目数（处理800×800图片）：
DeepSeek：~90个
GPT-5.4：~740个
Claude Sonnet 4.6：~870个
Gemini-3-Flash：~1100个
差距在数量级上。
2.4 训练方法
近10万个数据源筛选出约3.17万个高质量数据集
生成超4000万条训练样本
覆盖计数、空间推理、迷宫导航、路径追踪四类核心任务
后训练策略："先专家化、后统一"——分别训练边界框专家和点坐标专家，通过在线策略蒸馏合并为统一模型
- 为什么会被删？几种可能性
论文被删的原因，外界猜测很多。我整理了下，主要是这几种：
3.1 技术泄露风险
论文详细披露了五阶段后训练流程、4000万条训练数据构造方法、CSA实现细节。
这些通常是企业核心竞争力。公开等于亮出"武功秘籍"——虽然论文不等于能复现，但至少指了条明路。
对竞争对手来说，省下的时间、踩过的坑，都是实打实的成本。
3.2 产品节奏错位
识图功能4月29日才开始灰度测试，4月30日就公布背后技术架构。
这种"产品还没稳就亮底牌"的操作，在商业上是有风险的。
可能DeepSeek内部本来打算等产品正式上线再发论文做个大新闻，但研究员的个人冲动让计划提前暴露了。发现不对，连夜删除。
3.3 合规考量
多模态AI涉及大量图像处理和坐标标注，数据来源有时候比较敏感。
如果论文中披露的某些数据构造方法"不方便细说"，删掉也说得过去。
3.4 开源策略调整
DeepSeek之前一直走全面开源路线，但多模态可能是战略级核心技术。
从"全面开源"到"选择性开源"，是合理的商业进化。只是这个转变来得有点突然，沟通没跟上。
- 对开发者的实际影响
作为开发者，我最关心的几个问题：
4.1 我的现有项目会不会受影响？
目前看，删稿对DeepSeek现有产品（API、模型权重等）没有直接影响。
识图功能据说是灰度测试，正式上线时间未知。如果你现在用的DeepSeek-V4还没带视觉能力，那论文删不删跟你关系不大。
4.2 未来还能信任DeepSeek吗？
这个问题我没法给你标准答案。
我的看法是：保持关注，但不盲目押注。
DeepSeek V4的成本优势和性能表现是实打实的，这些不会因为一篇论文被删就消失。但这次事件确实暴露了一些问题——比如产品节奏管理、对外沟通机制等。
作为开发者，我的建议是：
继续用DeepSeek跑你的项目，它的性价比是真实的
但技术选型时保持多手准备，别把所有东西都绑死在一家
关注DeepSeek后续的官方动态，看他们怎么解释、怎么调整
4.3 多模态开发要注意什么？
这次事件给做多模态开发的同学几个提醒：
第一，技术细节不等于产品能力。
论文没了，但识图功能的实际体验才是关键。等产品正式上线、多看看评测再决定要不要接入，比追着论文跑更理性。
第二，坐标推理是个值得关注的方向。
引用鸿沟这个概念点出了一个痛点：当前多模态模型的"指哪打哪"能力弱。如果DeepSeek的思路是对的，其他厂商迟早会跟进。
到时候可能有更多选择。
第三，数据和合规问题要上心。
DeepSeek删稿可能涉及数据来源问题，这提醒我们做多模态应用时，训练数据的合规性很重要。别等出问题了再补救。
- 一点个人感想
说实话，这次事件让我有点唏嘘。
DeepSeek V4刚出来那会儿，我是真心觉得国产开源模型站起来了。性能强、成本低、社区活跃，确实给开发者带来了实惠。
但这篇论文的删稿操作，让这种好感打了折扣。
不是说DeepSeek不能调整开源策略——商业公司有自己的考量，这很正常。但你得说清楚，不能就这么"消失"。
信任这东西，建立起来要很久，崩塌起来很快。
鲸鱼睁开了眼睛，又闭上了。
作为开发者，我选择等它再睁开的时候，再判断它到底在看什么。
