传 DeepSeek R2 规格曝光：1.2 万亿参数，转向华为昇腾训练

DeepSeek R1 之前把硅谷打懵的场景，大家可能还没忘。现在它的下一代大模型 R2，似乎已经在路上了。

风险投资人 Deedy 在社交平台 X 上分享了一组据传来自中文媒体和网络社群的 DeepSeek R2 爆料。虽说 DeepSeek 官方还没公开确认任何字眼，但流出的这组技术和成本参数，已经在海外技术圈迅速传开了。

1.2 万亿参数，价格却砍到脚踝

根据流出的规格，DeepSeek R2 采用了一种混合架构的 MoE 方案，总参数规模达到了 1.2 万亿，相当于 R1 的两倍，但每次调用的激活参数只有 780 亿。

按爆料的基准测试看，R2 在 C-Eval 2.0 评测中拿到了 89.7% 的分数，图像识别方面的 COCO 分数达到 92.4%。据说它的综合性能对标的是 GPT-4 Turbo 以及 Google 的 Gemini 2.0 Pro。

但真正吓人的还是成本。流出信息显示，R2 的调用单价比 GPT-4o 便宜了足足 97.3%。

具体来说，每百万输入 token 只要 0.07 美元，每百万输出 token 只要 0.27 美元。如果这个定价是真的，它几乎是把前沿推理模型的门槛直接砸穿了。

82% 利用率的华为昇腾集群

除了模型本身的尺寸和价格，这次爆料里最引人瞩目的细节在于底层硬件。

爆料指出，DeepSeek R2 的训练消耗了大约 5.2PB 的数据，而整个模型据称主要跑在华为昇腾 910B 芯片集群上。在 FP16 精度下，整个集群的计算能力达到了 512 PetaFLOPS。

更夸张的是芯片利用率。传闻称该集群在训练中的硬件利用率达到了 82%。

如果数据属实，这意味着 DeepSeek 并没有死磕英伟达的受限芯片，而是基本跑通了国产芯片的基础设施。从模型算法到算力底层，这相当于完成了一次关键的国产供应链切换。

为什么重要

这些参数目前依然只是传闻，在 DeepSeek 正式发论文或开放接口之前，我们建议大家先保持谨慎。但如果最终实测哪怕只兑现了八成，它对整个 AI 市场的杀伤力也是巨大的。

对开发者和企业来说，最直接的价值就是成本。每百万 token 几美分的推理价格，意味着做大模型智能体、长上下文搜索或者批量数据清洗的账本能彻底重算。原来每月几万美元的 API 开销，换到 R2 上可能只要几百美元，值不值得试根本不需要犹豫。

对行业来说，我们认为这件事最深远的影响不在于模型又大了一倍，而在于它对算力封锁的破局示范。过去大家普遍怀疑非英伟达生态能否训练出万亿级模型，而 82% 的昇腾 910B 利用率如果成真，看起来就像是一记响亮的耳光。它会倒逼国内更多大厂加速向国产算力集群迁移，也会让西方云厂商对高价芯片的溢价逻辑产生动摇。

它的隐患在于，从英伟达的 CUDA 生态迁移到国产软硬件体系，实际部署和后续优化的门槛极高，普通开发者未必能复现 DeepSeek 的工程奇迹。但至少在商业竞争线上，低价和国产硬核算力的组合，看起来又要给大洋彼岸的同行们上一课了。