DeepSeek 下一代还能不能超过 Kimi K3？ 我把这个问题丢给了 Apodex。实际跑完后，主要情景的发生概率约 60%，但大概率只会领先 5%–15%，不会碾压。 这里的超过主要指综合评测、推理和代码，不代表每个维度都领先。 因为 超过 这个词太虚了。 代码强算超过，还是 Agent 强算超过？长上下文、多模态、推理能力和调用成本，权重又该怎么分？ 这次我先把口径定死：主要看公开综合评测，以及推理和代码能力，不代表每个维度都领先。 按 Apodex 这次整理的公开信息，Kimi K3 当前在综合能力、Agent、长文本检索和多模态上更占优势。 DeepSeek V4 的长处则是代码、推理、调用成本，以及对国产算力的适配。 所以这道题并不是谁全面压过谁，而是 DeepSeek 下一代能不能补齐短板，同时守住自己的优势。 两边的信息其实是打架的。 已经发布的第三方评测更支持 Kimi K3，DeepSeek 的资金、算力和架构路线则更有利于下一代。 Apodex 的取舍是：判断当前差距，优先看已发布评测。预测下一代，再看资金、算力、架构和团队这些硬变量。没有官方确认的参数和发布时间传闻，一律不算核心证据。 它把接下来的胜负拆成了四个变量： 1. DeepSeek 能拿到多少算力和资金 2. Engram 这条架构路线能不能继续跑通 3. 团队扩张后还能不能保持迭代速度 4. 国产芯片能不能接住下一轮训练和推理 对我来说，这些变量比一张未经确认的跑分截图更有参考价值。 基于这些变量，它给了三种情景： 60%：DeepSeek 下一代温和领先 Kimi K3。 30%：两家长期互有胜负。 10%：DeepSeek 研发延期或架构遇到瓶颈，Kimi 继续领先。 这三个数字是情景发生概率。它对整套判断的置信度是 65%，因为下一代模型的参数、数据和训练细节还没有公开。 Apodex 最终没有押 DeepSeek 重新一家独大。 我最开始觉得这个判断有点保守。把四个变量拆开之后再看，它更看好 DeepSeek + Kimi 长期双头竞争。 即使 DeepSeek 下一代综合跑分超过 K3，也很可能只是推理和代码重新领先。到了真实使用里，开发者还是会按场景选模型，不会所有任务只用一家。 我觉得这次回答里最好的一段，是它主动写出了自己会在什么情况下改口。 如果 DeepSeek 新模型继续延期、团队出现明显波动，60% 会降到 30%–40%。 如果官方公开下一代技术路线，第三方评测又在代码、Agent 和浏览任务上全面领先，这个概率才会上升到 75%–80%。 AI 预测最容易写成算命：给一个很准的数字，说完就跑。 但一个预测如果没有证据、失效条件和回来对账的时间点，70% 和 40% 其实没多大区别。 按 Apodex 公布的信息，这套方法在 FutureX 实时预测 benchmark 上拿过领先排名。不过我更在意的，还是它愿意把判断过程和改口条件摊开。 我先把这个时间戳留在这里： 这次用 Apodex 跑出来的主要情景是：DeepSeek 下一代约有 60% 概率在综合评测、推理和代码上超过 Kimi K3。整套判断的置信度是 65%，更长期的格局可能是双头竞争。 等 DeepSeek 正式发布，我们回来对账。 如果你也想看它怎么拆信源和不确定性，可以自己拿一道还没有答案的问题试试： #Apodex#