

> 在 DeepSeek-R1 发布一周年之际，其 GitHub 代码库中泄露的“MODEL1”标识符引发业界关注。线索显示，这款可能命名为 V4 的新旗舰模型对底层架构进行了重大重构，预计将于今年2月中旬发布，重点强化代码生成与计算效率。

## 代码库泄露的新旗舰代号

就在 DeepSeek-R1 发布一周年的敏感节点，敏锐的开发者们在 DeepSeek 的官方 GitHub 仓库中捕捉到了下一代旗舰模型的蛛丝马迹。据 _The Information_ 爆料及社区挖掘，DeepSeek 更新的 FlashMLA 代码库中，多达 28 处引用了一个名为“MODEL1”的神秘标识符。

代码逻辑的上下文暗示，“MODEL1”并非现有 DeepSeek-V3.2（V32）的简单迭代，而是一个全新的独立架构。这一发现迅速点燃了技术社区的热情，外界普遍猜测这极有可能就是备受期待的 DeepSeek V4。根据目前的开发进度与爆料信息，这款新模型最快有望在今年2月中旬，即农历新年期间正式亮相。

![Google_AI_Studio_2026-01-21T03_12_00.564Z.png](https://static.downly.cn/images/af6851be432772c6be97be4380ea4f05.png)
 <center>图源备注：图片由AI生成</center>

## 底层架构的差异化重构

深入分析泄露的代码片段可以发现，“MODEL1”在技术底层进行了针对性的重构。与前代模型相比，新架构在关键的键值（KV）缓存布局、稀疏性处理机制以及 FP8 数据格式的解码支持上均有显著差异。

这些技术细节的调整指向了极为明确的优化目标：内存占用优化与计算效率提升。这意味着新模型在处理大规模上下文或高并发请求时，将展现出更强的性能优势。特别是在代码生成这一计算密集型任务上，底层架构的革新往往能带来推理速度与生成质量的双重飞跃。

## 记忆模块与发布窗口

除了代码库中直接暴露的线索，DeepSeek 团队近期发表的学术成果也为新模型的功能提供了想象空间。关于“优化残差连接（mHC）”以及受生物学启发的“AI 记忆模块（Engram）”等研究论文，被业界视为新旗舰的技术储备。

如果这些具备长期记忆与高效信息提取能力的新技术被整合进“MODEL1”，那么即将发布的 DeepSeek V4 很可能在处理长文本逻辑连贯性和复杂项目级代码生成方面，树立新的行业标杆。

DeepSeek下一代旗舰线索曝光 代码库暗藏架构重构玄机

 > 英伟达CEO黄仁勋在CES 2026上抛出重磅观点，直言开源模型DeepSeek-R1已成行业标杆，且开源生态的迭代速度目前领先闭源模型约六个月。英伟达随后宣布将开源训练数据，推动AI向多模态、跨环境部署的新范式演进。

## DeepSeek成开源里程碑

在CES 2026的演讲台上，黄仁勋罕见地公开点名表扬了来自中国的开源模型DeepSeek-R1。他表示，这一模型“让整个世界感到惊讶”，并公认其在过去一年中引领了全球开源生态的跨越式发展。

这一表态不仅是对单一模型的认可，更折射出行业格局的剧变。黄仁勋指出，**目前开源模型的演进速度已反超大型科技公司的前沿闭源模型，领先优势约达六个月**。这一趋势正在打破少数巨头垄断AI技术的局面，让创新力量更加扁平化。

![Google_AI_Studio_2026-01-06T03_22_16.923Z.png](https://static.downly.cn/images/9601012fab3c5ae257256da4e4958741.png)
 <center>图源备注：图片由AI生成</center>

## 透明化战略：从开源模型到开源数据

为了进一步加速这一变革，英伟达宣布了一项激进的举措：除了持续开源模型外，还将**开源训练数据**。在数据即资产的今天，这一决定被视为构建技术信任的关键一步。

除了硬件层面的Vera Rubin芯片，英伟达同步发布了涵盖语言、机器人、自动驾驶及医疗四大核心领域的全新模型与数据集。黄仁勋强调，未来的AI将不再局限于单一模态，而是能够理解多种形态数据、针对不同问题匹配最优模型，并天然运行于多云环境之中。

## AI普及化的新范式

“这将成为未来应用构建的基本范式。”黄仁勋总结道。随着AI以惊人的速度渗透全行业，多模态融合与跨环境部署能力将成为标配。英伟达通过拥抱开源生态，正试图将自己从单纯的“卖铲人”转型为定义AI未来形态的“架构师”。

黄仁勋盛赞DeepSeek，断言开源模型演进已领先闭源六个月


> 最新基准测试显示，英伟达 GB200 NVL72 系统在处理混合专家（MoE）模型时，性能高达 AMD MI355X 集群的28倍，且每 token 成本仅为后者的十五分之一。这一数据不仅确立了英伟达在超大规模推理领域的绝对统治力，也揭示了“极致协同设计”在解决通信瓶颈上的关键作用。

## 极致架构 破解 MoE 模型通信瓶颈

Signal65 发布的最新 SemiAnalysis InferenceMAX 报告，针对 Deepseek-R1 0528 混合专家（MoE）模型进行了深度评测。MoE 模型的优势在于能根据任务动态激活最匹配的“专家”模块，但在大规模扩展时，节点间的通信延迟往往成为致命瓶颈。

英伟达通过 GB200 NVL72 给出了教科书般的解决方案。该系统并未单纯堆砌算力，而是采用了“极致协同设计”策略，将72颗芯片紧密互联，并配备高达 30TB 的共享内存。这种设计彻底打通了数据传输的高速公路，显著降低了延迟。测试数据显示，在相似配置下，GB200 NVL72 的每个 GPU 吞吐量高达 75 tokens/秒，性能达到 AMD MI355X 的28倍。

![Google_AI_Studio_2026-01-04T06_28_05.509Z.png](https://static.downly.cn/images/4e9b342e55d6f7185785fbd89c97eec6.png)
 <center>图源备注：图片由AI生成</center>

## 成本效益 TCO 成为云厂商的核心考量

对于超大规模云计算厂商而言，单纯的性能指标不足以决定采购意向，整体拥有成本（TCO）才是关键。Signal65 结合 Oracle 云定价模型分析指出，GB200 NVL72 在提供极高交互速率的同时，展现了惊人的成本效益。

其每 token 的相对成本仅为 AMD 方案的十五分之一。这意味着在同等预算下，企业能够获得数十倍的算力产出，或者在满足同等业务需求时大幅削减硬件开支。这种“降本增效”的双重优势，使得 GB200 NVL72 在高端推理市场几乎没有对手。

## 错位竞争 AMD 坚守稠密模型阵地

尽管在 MoE 领域遭遇重挫，AMD 并非全无机会。报告强调，AMD 的 MI355X 凭借大容量 HBM3e 内存，在稠密模型（Dense Models）环境中依然具备极强的竞争力。

目前，AMD 尚未推出能与 GB200 NVL72 正面对抗的机架级解决方案。但随着 AMD Helios 平台与英伟达 Vera Rubin 平台的对决临近，双方在机架级扩展方案上的博弈将更加激烈。对于 AMD 而言，如何突破互联带宽限制，构建类似 NVL72 的高内聚系统，将是其能否在下一代计算竞赛中翻盘的关键。

性能碾压 AMD 28倍 英伟达 GB200 NVL72 确立机架级霸权




> 导语 本期AI资讯聚焦于行业的两大核心趋势 安全与创新。一方面，从华为与浙大联手打造安全可控的大模型，到Notion AI暴露出的潜在数据风险，凸显了AI发展中安全与防护的重要性。另一方面，通义千问在端侧多模态领域的再次突破，蚂蚁数科面向新能源的垂直模型升级，以及谷歌核心人才流向xAI，预示着AI技术的边界仍在不断拓宽，应用场景持续深化。

## 国产AI安全新高度 华为与浙大联手打造DeepSeek-R1-Safe模型

华为与浙江大学近日联合发布了国内首个基于昇腾千卡算力平台的基础大模型 DeepSeek-R1-Safe。该模型通过一个全流程的安全后训练框架，并利用高质量的安全语料库进行优化，旨在从根本上解决当前AI领域普遍存在的安全与性能难以兼顾的问题，为构建更加可靠和负责任的人工智能系统提供了新的解决方案。

![image.png](https://static.downly.cn/images/c13adb9b649fc13263fa0a9e9525a35e.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 通义千问再进化 Qwen3-Omni即将开源 端侧多模态能力新突破

阿里巴巴云Qwen团队即将开源其最新的跨模态模型Qwen3-Omni。该模型作为一个端到端解决方案，能够流畅处理文本、图像、音频、视频等多种类型的输入信息，并生成文本和语音输出。值得关注的是，Qwen3-Omni特别针对手机等资源受限的设备进行了深度优化，其相关代码已提交至Hugging Face Transformers库，预示着强大的多模态AI能力将很快在更多终端设备上普及。

![image.png](https://static.downly.cn/images/5e1d9a557706144ada92d7a7776adea1.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## Grok 5 迎来核心主脑 前谷歌Gemini开发者加盟马斯克xAI

原Google DeepMind团队的核心开发者Dustin Tran已正式加盟马斯克的xAI公司。Dustin Tran此前深度参与了谷歌Gemini项目，是深度学习领域的知名专家。马斯克本人也确认了此消息，并透露他将主导下一代Grok模型的研发工作，这一重磅人事变动无疑将为xAI的未来发展注入强大动力。

![image.png](https://static.downly.cn/images/cfc9cce7baf6a5f95c06509a25f76eb8.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## AI代理的“后门” Notion 3.0新功能曝出严重安全漏洞

近期发布的Notion 3.0 AI代理功能被发现存在严重的安全漏洞。攻击者可以通过上传一个特制的恶意PDF文件，诱导AI代理绕过其自身的安全防护机制。由于该AI代理拥有访问工具和长期记忆的能力，这种攻击方式可能导致用户的敏感数据被轻易窃取，而传统的访问控制措施对此类新型威胁束手无策。

![image.png](https://static.downly.cn/images/267a281363294c3f303f1c7692e5beee.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 赋能新能源 蚂蚁数科发布能源时序大模型EnergyTS 2.0

蚂蚁数科近日对其能源时序大模型进行了升级，正式推出EnergyTS 2.0。这是一款专为新能源行业，如风电、光伏等领域量身打造的垂直大模型。它专注于处理和预测能源电力领域的时间序列数据，旨在从数据层面提升新能源行业的预测精度与运营增效。

![image.png](https://static.downly.cn/images/61051a355a7f40e14907d32bf2614380.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 开发者福音 在VS Code中直接调用Hugging Face模型成为现实

Hugging Face宣布，其平台上的众多大型开源模型现已成功整合进GitHub Copilot Chat中。这意味着开发者们现在可以直接在他们熟悉的VS Code编程环境中，无缝调用和测试各种强大的AI模型来辅助编码，无需再频繁地切换平台或工具，极大地提升了开发工作的效率和流畅性。

![image.png](https://static.downly.cn/images/cd16e5a67af18c7641f6023d32969a33.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 云端AI再添强援 亚马逊云科技全面托管Qwen3与DeepSeek-V3.1模型

亚马逊云科技（AWS）宣布，正式在其平台上推出针对Qwen3和DeepSeek-V3.1两款热门模型的完全托管服务。这一举措紧随Meta、Mistral AI等巨头开放其模型权重的行业趋势，通过提供稳定、可扩展的云服务，让更多企业和开发者能够便捷地部署和应用这些前沿的AI大模型。

![image.png](https://static.downly.cn/images/a837863ceae9d2b56887fc69b55add43.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

每日AI资讯0922：安全与创新并进，多模态与端侧成本轮焦点







> 导语：今日AI界风起云涌：Anthropic因版权问题面临15亿美元天价和解，创下历史记录；谷歌Gemini推出分层会员服务，开启商业化新篇章；微软发布轻量级AI Agent模型，以小博大挑战行业巨头；《Nature》发布“物理神经网络”综述，旨在摆脱对GPU的依赖；同时，ASML拟巨资入股法国AI新贵Mistral，预示着行业格局的深刻变革。

## Anthropic版权案天价和解 AI训练数据引争议

AI初创公司Anthropic因其AI模型涉嫌使用了50万本书籍的版权内容，被判支付高达15亿美元的和解金。这一金额创下了美国版权案件的最高赔偿纪录，标志着AI训练数据的版权争议进入了一个全新的阶段。此案的判决结果无疑为AI行业的未来发展敲响了警钟，如何合规使用训练数据成为所有AI公司必须正视的核心问题。

![image.png](https://static.downly.cn/images/a7da64596ae8ad64d2bf9507d19672df.png)
<center>
图源备注：图片由AI生成
</center>
<br>

## 谷歌Gemini开启分层付费时代 最高月费近1800元

谷歌正式为其Gemini AI推出了分层会员服务，以满足不同用户的需求。免费用户可以体验Gemini 2.5 Pro的基础功能，每月享有5次深度搜索、100张图片生成和5份研究报告的额度。而对于重度用户，可以订阅每月19.99美元的Google AI Pro计划，该计划提供每日100次AI对话、1000张图片生成和3个短视频创作等大幅增强的使用权限。这一举措标志着谷歌AI服务商业化进程的加速。

![image.png](https://static.downly.cn/images/26d3ed52b5e342953ad792e161d35d51.png)
<center>
图源备注：图片由AI生成
</center>
<br>

## 微软亮剑 高效AI Agent模型挑战大模型霸权

微软开源了一款名为rStar2-Agent的新型AI Agent模型，该模型以仅140亿的参数量，在多项关键测试中展现了超越大规模模型的惊人能力。在AIME24数学推理测试中，rStar2-Agent的准确率达到了80.6%，成功超越拥有6710亿参数的DeepSeek-R1。此外，在GPQA-Diamond科学推理基准测试中，它也以60.9%的准确率领先于DeepSeek-V3。这一成果展示了微软在AI推理领域的创新实力，并证明了小模型在特定任务上同样可以实现卓越性能。

![image.png](https://static.downly.cn/images/fa225578b3a97556b51d12814b5d989a.png)
<center>
图源备注：图片由AI生成
</center>
<br>

## 告别GPU依赖 Nature发布物理神经网络新范式

《Nature》杂志最近发布了一篇关于“物理神经网络”的综述，为AI的训练与推理提供了全新的思路。该技术旨在通过硬件层面的创新，实现大规模、高效的AI计算，从而摆脱目前AI发展对昂贵GPU的严重依赖。这项研究聚焦于提升AI模型的运行速度、降低能耗，并优化用户体验，为未来AI技术在实际应用场景中的普及铺平了道路。

![image.png](https://static.downly.cn/images/383b42b7a6e5a047e8addc286db3020d.png)
<center>
图源备注：图片由AI生成
</center>
<br>

## 芯片巨头入局 ASML拟控股法国AI明星Mistral

据消息称，全球光刻机巨头ASML计划入股法国AI企业Mistral，并可能成为其最大股东。在此轮融资中，Mistral计划募集17亿欧元，公司估值将达到100亿欧元。其中，ASML预计出资13亿欧元，并有望在Mistral的董事会中获得一个席位。这一战略投资显示了半导体产业上游巨头对AI赛道的强烈兴趣，也预示着AI领域的竞争将更加激烈和多元化。

![image.png](https://static.downly.cn/images/5303e5428e48748adb9d83589925d116.png)
<center>
图源备注：图片由AI生成
</center>
<br>

每日AI资讯0908：AI版权战创纪录，谷歌推分层付费，微软发布高效新模型



> **导语**
> 近日，一项来自 Sakana AI 的研究突破了当前大模型竞争的格局。 他们提出了一种名为 Multi-LLM AB-MCTS 的新算法，首次实现了让 OpenAI、谷歌和 DeepSeek 的顶尖模型在推理时协同工作，组建成一支“AI梦之队”。 这个“三模合一”的集体智能在极具挑战性的基准测试中，展现出远超任何单一模型的能力，将解题成功率提升了超过30%。

## AI“梦之队”的诞生

长期以来，人工智能领域的竞争主要围绕着单个模型的性能展开，各大科技巨头都在努力打造更强大的“单体”AI。  然而，Sakana AI 的研究提供了一个全新的思路：与其追求单一的“最强王者”，不如将不同模型的独特优势结合起来，形成“群体智慧”。 
![image.png](https://static.downly.cn/images/23c4baff447514f237b78b3376f40ed7.png)
这项研究并非一次企业级的合作，而是一次技术层面的创举。  研究人员利用他们开发的 Multi-LLM AB-MCTS 框架，将三个来自不同公司的前沿模型——o4-mini、Gemini-2.5-Pro 和 DeepSeek-R1-0528——有效地整合在一起。 这个系统能够在解决复杂问题时，像一个团队一样，动态地调用最适合当前任务的模型来执行特定步骤。 

![image.png](https://static.downly.cn/images/d453041821c2c39af4bcdf6c8205e62e.png)
## 解密核心技术 AB-MCTS

这项突破的核心是一种名为“自适应分支蒙特卡洛树搜索”（AB-MCTS）的算法，它属于“推理时扩展”（Inference-Time Scaling）技术的一种。 简单来说，就是让AI在面对难题时，通过投入更多的计算资源进行“深度思考”和“反复试错”，而不是只给一次机会。 
![image.png](https://static.downly.cn/images/8a2db571aa03e2e2727d402317eb5131.png)
过往的方法通常要么是“深度优先”，即对一个想法不断优化；要么是“广度优先”，即产生许多个全新的想法。  这两种方式各有局限。  而 AB-MCTS 算法巧妙地扩展了AlphaGo所使用的蒙特卡洛树搜索技术，能够在“深入优化一个方案”和“探索全新可能性”之间取得动态平衡。

在此基础上，Multi-LLM AB-MCTS 增加了第三个维度：AI选择。  在每一步决策时，算法不仅要决定是“走深”还是“走宽”，还要决定该任务由哪个模型来执行最有效，从而实现真正的优势互补。

![image.png](https://static.downly.cn/images/f56352a3c54271bf5d4b67524d048624.png)

## 1+1+1 > 3 惊人的实验结果

为了验证“AI梦之队”的真实战力，研究团队在极具挑战性的 ARC-AGI-2 基准测试上进行了实验。 结果令人瞩目：
![image.png](https://static.downly.cn/images/88006959a41d99488482df279f9e298a.png)
通过让三个模型协同工作，Multi-LLM AB-MCTS 最终解决了超过 30% 的问题。  相比之下，作为性能最强的单一模型之一，o4-mini 即便使用了新的 AB-MCTS 算法，成功率也只有 27.5%，而使用传统的重复采样方法更是只有 23%。  这证明了群体智慧的巨大优势。

更有趣的发现是，协作的价值并非简单地让最强的模型去解决问题。  实验中，一些单个模型表现不佳的案例，却在多模型协作中迎刃而解。 比如，o4-mini 先生成一个不完全正确的初步答案，而 DeepSeek-R1-0528 能够在这个错误答案的启发下，接力修正并最终得出正确解法。 这充分展示了不同模型间思维碰撞产生的火花。

![image.png](https://static.downly.cn/images/88eb4924125ce0320fa12f21d4a9cf07.png)

## 未来展望 群体智能的黎明

Sakana AI 的这项研究标志着AI发展的一个重要转向，即从追求“模型规模”转向探索“模型使用”的智慧。  它证明了通过智能算法将现有顶尖模型的能力进行组合，可以有效突破单一模型的性能瓶颈。

正如人类历史上众多伟大的成就都源于协作而非个人英雄主义，AI的未来或许也并非由一个无所不能的“超级AI”主宰，而是由无数个各具特长的AI组成的、高效协作的“集体智能”来开创。 为了推动这一领域的发展，Sakana AI 已经将该算法框架以“TreeQuest”之名开源，供全球的研究者使用和探索。 

AI三国演义终结？“梦之队”合体出击，性能飙升三成，实力碾压单模型

即日起，用户通过官网、App 或小程序进入对话界面，**开启“深度思考”功能**即可体验全新升级的 R1 模型！API 同步更新，调用方式不变。

------

### 🔍 深度思考能力：跨越式进化

本次升级基于 **DeepSeek V3 Base（2024.12 基座）**，通过强化训练显著提升模型思维深度与推理能力。在数学、编程、逻辑等多项权威测评中，**DeepSeek-R1-0528 综合表现领跑国内模型，并逼近国际顶尖水平（如 o3、Gemini-2.5-Pro）**。

![img](https://static.downly.cn/images/DeepSeek-R1-0528.png)
*（基准测试：64K 输出长度 | Humanity's Last Exam 仅文本题目）*

#### 关键突破：

- **复杂推理飞跃**：AIME 2025 测试准确率从 **70% → 87.5%**
- **思维深度倍增**：单题平均思考量从 12K tokens → **23K tokens**（解题更严谨周密）
- **开源模型赋能**：蒸馏 R1 思维链训练的 **DeepSeek-R1-0528-Qwen3-8B**，在 AIME 2024 测试中：
  ✅ **超越原版 Qwen3-8B 达 10%**
  ✅ **性能媲美 Qwen3-235B 大模型**
  → *为学术界与工业界小模型开发提供全新范本*

![img](https://static.downly.cn/images/DeepSeek-R1-0528-Qwen3-8B.png)
*（开源模型 AIME 2024 对比结果）*

------

### 💻 前端开发：视觉与代码双重突破

实测 **R1-0528 前端开发能力大幅领先 Claude4**，生成代码**布局美观、设计现代**，效果差距显著：

**▶️ 视频演示：R1 开发网页/App 全流程**

<video src="https://static.downly.cn/images/20250530025603.815842284.MP4" controls width="70%" title="v0300fg10000d0s93n7og65vlraqrc6g.MP4"></video>

------

### 🚀 全维度能力升级

#### 1️⃣ 幻觉率降低 45~50%

优化改写、摘要、阅读等场景，输出更可靠

#### 2️⃣ 创意写作进化

长文生成能力增强：议论文/小说/散文结构更完整，文风更自然

#### 3️⃣ 工具调用（Function Calling）

- 支持非思考模式下工具调用
- Tau-Bench 性能比肩 **OpenAI o1-high**（airline 53.5% / retail 63.9%）
  ![img](https://static.downly.cn/images/ypP8EWib4r36XeQlrkXBufIxeCTibFKyyW.gif)
  *（LobeChat 调用示例：网页内容总结）*

#### 4️⃣ 角色扮演 & 前端生成再提升

![img](https://static.downly.cn/images/640434543425432.gif)
*（R1 开发单词卡片应用：现代简约风格）*

------

### ⚙️ API 更新指南

- 接口与调用方式**完全兼容旧版**
- 新增支持：**Function Calling** / **JSON 格式输出**
- **重要调整**：`max_tokens` 现限制**单次输出总长度（含思考过程）**
  ▸ 默认值：32K　▸ 最大值：64K
  → *请开发者调整参数避免截断*
  🔗 使用文档：https://api-docs.deepseek.com/zh-cn/guides/reasoning_model

> 📢 注：官网/App/API 仍提供 **64K 上下文**，需 **128K 上下文**可调用开源版本

------

### 🧠 模型开源

- **架构**：同前代 R1（685B 参数，含 14B MTP 层）
- **训练优化**：改进后训练方法，私有化部署仅需更新 checkpoint 与配置文件
- **开源版本**：**128K 上下文**（MIT License 可商用）
- **下载地址**：
  **▪️ Model Scope**
  https://modelscope.cn/models/deepseek-ai/DeepSeek-R1-0528
  **▪️ Hugging Face**
  https://huggingface.co/deepseek-ai/DeepSeek-R1-0528

------

**立即开启“深度思考”，体验更强大的 R1！**
官网 | App | 小程序 | API 同步上线

------

### 优化说明：

1. **强化标题层级**：使用符号/加粗/分段提升可读性
2. **突出核心数据**：关键指标（87.5%→）视觉强化
3. **用户引导明确**：操作步骤（开启深度思考）前置+重复提示
4. **技术表述简化**：如“后训练过程”→“强化训练”，“思维链蒸馏”→功能化描述
5. **视觉元素整合**：图片/视频说明更简洁，避免中断阅读流
6. **API 变更高亮**：重要调整（max_tokens）单独标注
7. **增加行动号召**：结尾强化体验入口

DeepSeek-R1 更新，幻觉降低，思考更深，推理更强！

在智能对话系统蓬勃发展的今天，随着大模型技术的广泛应用，对话式交互正迎来前所未有的机遇与挑战。然而，这些大模型往往伴随着较高的响应时间（RT），传统响应机制的局限性愈发明显，难以满足用户对即时反馈的心理期待。长时间的无响应状态不仅削弱了人机交互的流畅性和自然度，更成为影响用户体验的核心痛点，亟需创新性的解决方案。

历经多年的潜心探索与实践，ChatUI 作为淘小蜜的 UI 组件库，经过多年的沉淀和打磨，并汲取了业界前沿的经验，终于迎来了焕然一新的版本发布。此次改版不仅是对组件库的一次全方位视觉升级，更是功能与体验的双重跃升。我们也推出了一系列「输入中」组件，**为开发者提供了多样化的等待状态解决方案**。真正实现让科技更有温度，对话美而简单～

![640 (3).webp](https://static.downly.cn/images/21b38660f32441af8c888e4363e4e630.webp)



##  **设计升级**

小蜜设计与前端技术团队持续深耕 ChatUI 领域，通过多轮项目沉淀与实际场景的反复打磨，我们积累了丰富的实践经验。在此基础上，我们认为是时候突破传统思维，开启一次全新的探索之旅。本次升级将基于 ChatUI 的深厚积累，围绕「自然」、「高效」、「沉浸」三大核心原则展开系统性优化。通过此次改版升级，我们致力于为用户打造更加流畅、更具亲和力的对话式交互体验，同时为开发者和设计师提供更高效的产品工具与设计灵感。

![1.webp](https://static.downly.cn/images/50d3b8e131114249b350b1fadc6fd0f0.webp)



##  **更多组件**

本次更新引入了众多全新组件，极大地提升了构建对话应用的便捷性和高效性。尤为值得一提的是「输入中」系列组件，其中包含了备受期待的打字机效果。

新增 `Typing` 组件，用于服务端消息响应速度比较慢时，展示处理中的状态，缓解用户等待焦虑：

![2.gif](https://static.downly.cn/images/471ddf240f204de58b651d881797c2a7.gif)

新增 `TypingBubble` 组件，让气泡内容以打字效果呈现：

![3.gif](https://static.downly.cn/images/f393cc2583a54f1795d7d7411704afa5.gif)

同时也提供了 `useTypewriter` 方便在其它组件里使用：

```javascript
const { typedContent, isTyping } = useTypewriter('内容详情', { interval: 50, step: 1 });
```

新增 `Think` 组件，用于展示大模型思考过程：

![4.webp](https://static.downly.cn/images/a648c12661b7457f82506fbe81c57a3e.webp)

新增 `useTitleTyping`，用于导航栏和标题交替展示，模拟对方正在输入文字：

![5.gif](https://static.downly.cn/images/a6b09860f1dd47b2a0dd1e06fa5d9a1c.gif)
通过上述几个组件，我们既可以根据不同场景选用其中一种组件作为消息等待状态的呈现，也可以通过组合根据状态分别展示：



，时长00:08

新增 `ConfigProvider` 组件，为组件提供统一的全局化配置。同时提供 `useConfig`，让组件可以很方便的读到全局配置：

```javascript
<ConfigProvider locale="zh-CN">
  <Time date={Date.now()} />
</ConfigProvider>


const Time = ({ date }: TimeProps) => {
  const { locale } = useConfig();
  console.log('locale:', locale);
  return <time ...></time>;
};
```

新增 `CardHeader` 组件，让卡片头部可以自定义更加丰富的内容：

![6.webp](https://static.downly.cn/images/585da01b21324af6a14c6ad3710a1841.webp)

除此之外还新增了 `ScrollGrid`、`Skeleton`、`BackBottom`、`Quote` 等组件，具体可以通过官网组件文档查看。


##  快速搭建一个对话界面

ChatUI 作为一个专为对话交互量身打造的组件库，构建一个对话界面当然是既快速又强大，举个列子我们只需要几步即可基于 DeepSeek 搭建一个对话产品：

1、安装 ChatUI

```bash
npm i @chatui/core -S
```

2、搭建对话界面

以下是一个用 ChatUI 接入大模型的示例，展示如果使用 ChatUI 的 `Chat`、`Bubble`、`TypingBubble` 组件和 `useMessages`搭建对话界面：

```javascript
import React, { useRef } from'react';
import { useNavigate } from'react-router-dom';
import OpenAI from'openai';
import { marked } from'marked';
import Chat, { MessageProps, useMessages, Bubble, Typing, TypingBubble } from'@chatui/core';
import'@chatui/core/dist/index.css';

// 这里用 OpenAI 请求大模型来举例子
const client = new OpenAI({
apiKey: process.env['API_KEY'],
dangerouslyAllowBrowser: true,
});

// 解析 markdown
const renderMarkdown = (content: string) => marked.parse(content) as string;

exportdefault () => {
// 1. 维护消息列表
const { messages, appendMsg, updateMsg } = useMessages([]);
const typingMsgId = useRef('');

// 2. 发送回调
asyncfunction handleSend(type: string, val: string) {
    if (type === 'text' && val.trim()) {
      // 2.1. 展示用户侧发送的消息
      appendMsg({
        type: 'text',
        content: { text: val },
        position: 'right',
      });

      // 2.2. 展示「点点点」动效
      typingMsgId.current = appendMsg({
        type: 'typing',
        position: 'left',
      });

      let content: string = '';

      // 2.3. 请求大模型
      const stream = await client.chat.completions.create({
        model: 'DeepSeek-R1-671B',
        messages: [{ role: 'user', content: val }],
        stream: true,
      });

      forawait (const chunk of stream) {
        content += chunk.choices[0]?.delta?.content || '';

        // 2.4. 把「点点点」更新成打字气泡
        updateMsg(typingMsgId.current, {
          type: 'stream',
          content: { text: content },
        });
      }

      // 2.5. 重置
      typingMsgId.current = '';
    }
  }

function renderMessageContent(msg: MessageProps) {
    const { type, content } = msg;

    // 3. 根据类型渲染消息气泡
    switch (type) {
      case'text':
        return<Bubble data-animation='fadeInUp' content={content.text} />;
      case'stream':
        return (
          <TypingBubble
            content={content.text}
            messageRender={renderMarkdown}
            isRichText
            options={{ step: [1, 6], interval: 100 }}
          />
        );
      case'typing':
        return<Typing />;
      default:
        returnnull;
    }
  }

return (
    <Chat
      navbar={{
        leftContent: {
          icon: 'chevron-left',
          title: 'Back',
          onClick() { },
        },
        title: '智能助理',
      }}
      messages={messages}
      renderMessageContent={renderMessageContent}
      onSend={handleSend}
    />
  );
};
```

不到100行代码即完成了一个基于 DeepSeek 的对话产品的开发。

##  **最后**

孵化自淘小蜜的 ChatUI 专注于将智能对话领域的最新设计和技术研发成果应用于消费者可体验的对话式界面。ChatUI 3.0 的升级，是团队在追求媲美原生应用体验目标上的不懈努力，也是淘小蜜在过去半年中技术转型为 Agent 的沉淀与结晶，更是 ChatUI 拥抱大模型的第一步。我们期望未来能够收到来自更多用户的宝贵反馈和建议，通过持续迭代和共同建设，实现「让科技更有温度，对话美而简单～」的愿景。

阿里ChatUI 3.0 正式发布 对话交互再进化！

华为旗下小艺AI助手网页端，已接入DeepSeek-R1

搜索结果: DeepSeek-R1