梁文鋒推遲V4，是為了根治龍蝦的健忘癥？

DeepSeek什么時候發V4？AI圈所有人都在猜，但正確答案可能只有梁文鋒知道。

豆包、千問、元寶……無論大廠還是小廠，他們都在在春節期間扎堆發布新版本，生怕晚一步就被V4的光芒蓋過。

換成任何一個正常的CEO，面對這種全行業翹首以盼的局面，早就把半成品推出去了。

先占住聲量，再慢慢迭代，這是互聯網行業的基本操作。

但梁文鋒偏不。跟他關系近的同行說了句大實話：“團隊穩，底子厚，不會草率發布。”

外媒報道，V4是架構級重構。包含1萬億參數、百萬上下文、原生多模態，并且將于4月份發布。

這次迭代的核心叫做LTM，Long-Term Memory，即長期記憶。

LTM是一套在模型架構內部實現持久化記憶的系統。它能讓AI跨對話、跨任務地記住用戶是誰、聊過什么、偏好什么。像人一樣把重要的東西沉淀下來，而不是每次開機都從零開始。

而這個能力，恰恰是OpenClaw最缺的東西。

雖然OpenClaw可以替人干活，但它的記憶系統本質上只是往本地Markdown文件里寫筆記，工作時會持續發送這個筆記到大模型里，這就導致用OpenClaw越久，發送記憶所消耗的token就越多。

整個社區都在想方設法地去解決這個問題，給它打補丁、裝插件、裝Skill，卻沒人能從根上解決問題，因為問題出在模型本身，它天生不記事。

LTM要做的，就是從架構層把這個病治好。

此次更新所帶來的挑戰，遠超常規的版本迭代，而且模型的情感交互、個性化記憶等模塊尚未完全遷移，還需要進一步調優。

因此梁文鋒不是在拖延，而是在克制。

在一個所有人都在比誰先發、誰聲量大的行業里，梁文鋒選擇等所有零件都對了再出手。

R1之所以能一炮封神，靠的不是搶跑，而是一出手就讓對手無話可說。

他顯然打算用同樣的方式對待 V4——要么不發，要發就是王炸。

01

梁文鋒到底在憋什么

OpenClaw的爆火讓大家認識到了這樣一個事，當AI真的開始替人干活，模型對上下文的理解和記憶能力就不再是加分項，而是決定它能不能用的底線。

一個記不住上文的agent，每隔幾輪就會重復犯錯、丟失任務狀態、忘記你剛才說過的話。

所以過去兩年，業界也推出了不少的LTM方案。

比如伯克利團隊在2023年提出的MemGPT，借鑒虛擬內存的思路，讓模型自己決定什么時候把哪些信息從外部存儲調入上下文窗口、什么時候換出去。

2025年發布的Mem0，則是把這條路往工程化推了一步，在LOCOMO基準上比OpenAI內置記憶高出26%，token消耗減少90%，這也是現如今OpenClaw社區用得最多的記憶插件。

前兩天還有用擴散激活模擬人類聯想式記憶提取的SYNAPSE，以及用遞歸語義壓縮解決記憶膨脹的SimpleMem。

但所有這些方案都有一個共同的天花板，那就是它們都是在模型外部運行的中間件。

記憶的提取、壓縮、檢索，全部由外掛系統完成，模型本身不參與。因此，記憶的質量完全取決于外掛系統的工程水平，模型得到的記憶，也就參差不齊。

并且，所有記憶最終都要通過上下文窗口注入模型，這和OpenClaw碰見的問題一樣，記憶越多，那么token成本也就越高。

還有一點，模型無法在外掛記憶上進行“學習”。因為在這個過程中，模型做的事情是在讀別人幫它整理好的筆記，而不是真的把經驗內化成了能力。

梁文鋒要走的，很可能是一條完全不同的路。

從梁文鋒署名的Engram論文和V4架構泄露來看，DeepSeek的方向不是在模型外面搭記憶系統，而是把記憶能力直接嵌入模型架構本身。

Engram已經證明，在Transformer內部可以開辟一塊專用的條件記憶空間，用O(1)的哈希查找來存取靜態知識，在調用已存好的知識時，還不占用上下文窗口的容量，也不增加推理的計算成本。

更關鍵的是，Engram 的“無限記憶機制”實驗表明，這塊記憶空間的容量可以近乎無限地擴展，且模型的推理開銷保持恒定。

我說得再直白一點，現在的模型想“記住”一件事，唯一的辦法是把它塞進對話窗口里，窗口滿了就得扔東西。

Engram相當于給模型裝了一塊獨立的硬盤，你可以把記憶存在這個外部的存儲里，就不用堆在你電腦本身的硬盤中。當你想調取某一個記憶的時候，你把這塊硬盤接上就行。

而且這塊硬盤理論上可以無限擴容，查找速度恒定不變。

這條路如果走通，意味著 DeepSeek 跳過了整個“外掛記憶”的技術范式，直接進入了“原生記憶”的時代。

如果你了解OpenClaw，你會發現梁文鋒他瞄準的，恰恰是OpenClaw最薄弱的一環。OpenClaw讓AI有了手腳，卻沒給它一顆能記事的大腦。

OpenClaw 的記憶系統有三個結構性缺陷。

第一個是壓縮損耗。

上下文窗口塞滿后，OpenClaw會自動把舊對話壓縮成一段摘要來騰空間。事實保留了，但對話的脈絡，全部丟失，而且不可逆。

換句話說，你們在討論什么、決策的推理鏈條、語氣和優先級都沒有了，也都找不回來了。

比如壓縮前，agent記得一套完整的調試方案，壓縮后只剩一句話，“用戶在調試一個bug”，具體的排查路徑全沒了。

第二個是檢索失效。

記憶文件用幾周就堆到幾百條，靠向量相似度檢索召回。可是向量檢索只能匹配語義相近的片段，無法理解條目之間的邏輯關系。

比如說我用OpenClaw做了三個方案，這三個方案分散在不同文件里，和客戶敲定的是最后一個方案。當我后來想檢索敲定的方案時，由于這三個方案都是用來發給客戶的，就有可能只檢索命中第一個方案或者第二個方案。

第三個是記憶容量有上限。

OpenClaw的記憶分兩層：核心記憶（MEMORY.md）每次會話啟動時全量注入上下文，日志記憶則通過搜索工具按需召回。

聽起來合理，然而核心記憶有硬性上限，單文件20000字符截斷，所有bootstrap文件合計不超過150000字符。

可是你用得越久，MEMORY.md越長，要么被截斷丟信息，要么每次會話的token消耗線性增長。

還沒完，日志那邊，按需檢索的質量完全取決于模型自己的判斷，它覺得不相關就不召回，哪怕信息確實存在。很容易就會把重要的信息給丟掉。

說白了，這三個問題是同一件事：窗口就那么大，往里塞的東西越多，要么記錯，要么找不到，要么太貴OpenClaw的記憶不是“記住了”，而是“抄了一堆筆記然后翻不到”。

如果V4真的在架構層面跑通了這條路，那它不僅解決OpenClaw的問題，還能讓模型變成“可成長的模型”。

用得越久越懂你。這和當前所有大模型的使用體驗有本質區別，因為現在的模型無論多強，每次打開都是一張白紙。

騰訊的一項最新研究，從另一個方向印證了這條路的價值。

從OpenAI加入騰訊擔任首席AI科學家的姚順雨，在2月份的時候發布了他入職后的第一篇署名論文。

論文的名字叫CL-bench，全稱Context Learning Benchmark，專門測一件事，就是大模型能不能從上下文里真正學到東西。

不是考它背了多少知識，而是考它能不能從你給的材料里現學現用。

結果很難看。

所有前沿模型的平均正確率只有17.2%。正確率最高的模型是GPT-5.1，可它也只做對了23.7%。換句話說，你精心準備了一份詳盡的背景資料喂給AI，它有超過八成的概率沒有真正“學會”。

姚順雨在論文中的判斷是，當前 AI與真正智能之間的鴻溝，不在于知識的多少，而在于學習的能力。一個裝滿知識卻不會學習的AI，就像一個背了整本字典卻不會寫作的人。

他在AGI-Next前沿峰會上也說過類似的觀點，他認為大模型邁向高價值應用的核心瓶頸，就在于能否“用好上下文”。

如何記憶，很可能成為2026年的核心主題。一旦上下文學習與記憶變得可靠，模型或許就能實現自主學習。

梁文鋒不可能不懂這個道理，這就是為什么發布日期一推再推。

02

DeepSeek要補的課

愿景歸愿景，現實歸現實。

在梁文鋒閉關的這一年里，對手們沒有停下來等他。DeepSeek要補的課，比外界想象的多。

第一塊短板是多模態，這也是最大的一塊。

DeepSeek到今天為止，還是一個純文本模型。它沒辦法看圖、看視頻、聽語音。

倒不是說DeepSeek完全沒有視覺能力。在今年1月的時候，他們發布了OCR 2，這是一個3B參數的文檔理解小模型。它的核心是用一個叫DeepEncoder V2的編碼器替代了傳統的視覺編碼器，讓模型能像人一樣按閱讀順序理解文檔頁面。

僅在文檔解析的基準測試上，OCR 2用最少的視覺token戰勝了Qwen3-VL-235B這種千億級選手。

但OCR 2只能做一件事：把文檔里的文字、表格、公式提取出來。本質上是“圖像→文本”的單向轉換，不是通用的視覺理解。

換句話說，OCR 2證明了DeepSeek有能力做好視覺編碼，但從“能讀文檔”到“能看視頻、聽語音、理解自然場景”，中間隔著的不是一步，而是一整個技術代際。

與此同時，其他大廠早就進入了“全模態”時代。

字節的Seedance 2.0證明了優秀的多模態模型有多大的用戶基礎和商業潛力。GPT-5.4已經原生支持音頻、視頻和計算機操作。

有消息透露，梁文鋒近半年的主要工作之一就是補齊視覺內容處理的短板。

第二塊短板是agent能力。

DeepSeek微信公眾號自己置頂的文章標題就是“邁向agent時代的第一步”，這就足以說明梁文鋒知道該往哪個方向前進。

隨著越來越多的人開始使用OpenClaw，無論是大廠還是小廠，都在強調自己模型的agent能力。

Kimi K2.5已經能自主調度100個子agent、并行處理1500個步驟。ChatGPT的agent功能可以自動填表、訂機票、跨網站拉取信息。Claude推出了Agent Teams，多個AI協同完成復雜任務。

第三塊短板是AI編程。

這是2026年發展最快、商業化最成熟的賽道。

在編程基準測試SWE-bench Verified上，Claude Opus 4.6得分80.8%，GPT-5.3 Codex約80%，DeepSeek V3.2只有73.1%。

在更難的基準SWE-bench Pro上測試，DeepSeek V3.2得分為40.9%，遠低于GPT-5.4的57.7%。

更關鍵的是，行業已經從“Vibe Coding”，進化到了“Agentic Engineering”，讓AI獨立完成工程級任務。

智譜的GLM-5論文標題就叫《From Vibe Coding to Agentic Engineering》，它能連續24小時跑代碼、700次工具調用、800次上下文切換，從零構建出一個GBA模擬器。

此前曾有爆料稱，DeepSeek-V4的內部測試結果，在編程能力上超越了Claude Sonnet 3. 。可如今，Claude Sonnet 3.5已經被Anthropic官方完全停用了。

第四塊短板是AI搜索。

現在幾乎所有ChatBot產品都是聯網的，你已經見不到還把模型聯網單獨設為一個開關的APP了。

OpenAI有ChatGPT Search，Google有Gemini Embedding 2搜索。DeepSeek的搜索能力一直是短板，而且其搜索結果經常會出現幻覺。

Vectara的測試顯示，DeepSeek R1的幻覺率高達14.3%，是V3（3.9%）的近四倍。

在學術引用檢索的測試中，這個數字更夸張，其引用的結果中，91.43%都是錯的，包括但不限于捏造論文標題、虛構DOI、張冠李戴作者。

DeepSeek自己也承認，幻覺是當前階段“不可避免的”問題。

DeepSeek在它沒有自己的搜索基礎設施，只能依賴第三方接口，信息源的質量不可控。

模型本身的事實校驗能力不夠強，即使拿到了正確的檢索結果，也可能在生成環節引入錯誤。這兩個問題疊加在一起，就是用戶體驗上的“搜了也不準”。

在agent時代，搜索不是加分項，而是必選項。

DeepSeek的短板，沒有一塊是小修小補能解決的。梁文鋒不是在做一個更強的V系列模型，他是在同時打四場仗。

4月，箭在弦上。但如果再跳票，也不必意外。對梁文鋒來說，“不發”永遠比“發錯”重要。