DeepSeek新融资近千亿,为2027年IPO铺路
智东西10月6日消息,据彭博社报道,DeepSeek即将敲定至少800亿元人民币的新一轮融资,腾讯和宁德时代承诺的出资金额均位居该轮融资最高的一批。知情人士称,根据已签署的条款,该轮融资最终募资总额可能接近1000亿元,为计划在2027年初进行的IPO铺路,规模已明显超过此前预期。
知情人士透露,DeepSeek最初仅计划募资约500亿元,但随着最新模型发布后市场反响超出预期,潜在投资者需求明显增加,最终已锁定的融资金额大幅超过原定目标。目前谈判已接近尾声,但最终交易条款仍可能发生变化,融资金额等细节尚未最终确定。
与此同时,月之暗面已完成最后一轮私募融资,估值约500亿美元(约合人民币3352.27亿元),正在推进2027年第一季度在香港进行的IPO。
DeepSeek的IPO筹备已持续一段时间。9月9日,路透社报道称,DeepSeek已聘请中信证券,为其在上交所科创板进行IPO做准备。两名知情人士透露,DeepSeek计划今年启动IPO流程,潜在发行时间、募资规模及目标估值均尚未确定。
9月24日,The Information报道称,两名直接知情人士透露,DeepSeek目前推算年化收入已达10亿美元(约合人民币67.13亿元),较几个月前不足5亿美元的水平翻了一倍以上。当时DeepSeek正在敲定新一轮融资,计划最晚于今年10月底完成500亿元人民币融资,目标估值为5000亿元人民币,其上交所科创板IPO筹备也在同步推进。

目前,DeepSeek官方API有两款主力模型:旗舰版DeepSeek-V4-Pro-0813和轻量版DeepSeek-V4.1-Flash。在Agent一侧,DeepSeek Harness团队于9月29日上线了DeepSeek Harness V2.0预览版,并提供macOS和Windows桌面版安装包。
更多推荐阅读

Mistral发布1T参数大胖猫模型,激活仅49B
今天早些时候,美国开源了 glm5.2 级别的模型。随后,欧洲的 Mistral 发布了 Mistral Large 4,又名 Le Chonk 大胖猫。 该模型总参数 1.05T,每次只激活 49B,另带一个 1.6B 的视觉编码器。它采用细粒度混合专家(MoE)结构,模型拆成很多“专家”,每处理一个词只叫醒其中一小部分,因此 1T 模型每算一个词的开销接近 49B 模型。原生多模态,能读文字...
2026-10-07
xAI联创宣判:数学两千年英雄时代落幕
两千多年来,人类最聪明的大脑一直在攀登数学这片山脉。从欧几里得到怀尔斯,每征服一座山峰都要赌上一生。但xAI联合创始人Christian Szegedy认为,这个属于数学的英雄时代正在结束。 Szegedy在长文《数学何去何从?》中,将数学家比作丛林里徒手攀岩的探险家,AI则是一架飞机,已把旗插上没人爬过的山顶。孤独攀登者的时代正在结束,测绘整片大陆的时代正在开启。 Szegedy少年时在匈牙...
2026-10-06
OpenAI疯狂28天首日:模型提速50%却遭评论区翻车
Codex负责人Tibo宣布启动“疯狂28天”计划:未来28天每天要么交付一项Codex/Work改进,要么进行一次完整额度重置。第一天,Tibo宣布GPT-6 Astra和GPT-6.1 Sol默认推理速度提升约50%,达到50TPS,覆盖官方订阅及Sign in with ChatGPT接入的第三方生态。 但评论区几乎无人关注提速,满屏冷嘲热讽。此前9月29日GPT-6.1 Sol上线后因负...
2026-10-06
AI研究员为何计划逃离湾区买地避难
一些Anthropic最期的员工,最近开始考虑在美国偏远地区买地。他们想过,如果AI真的失控,那里或许可以成为避难的地方。 “一切再也无法平静如初。”一些研究员的电脑上贴着同一句话。 事实上,逃离的念头并非突然出现。十多年来,一群聚集在旧金山湾区的AI安全研究人员,一直在讨论AI失控之后可能发生什么。那时候,Anthropic甚至还没有成立。 有人在伯克利设立共享办公空间,在私人Slack频...
2026-10-06
英伟达押注的Reflection开源新模型对标智谱
英伟达投资的 Reflection 发布首个开源模型 Beam,对标智谱 GLM-5.2。官方称两者在高级推理测试上分数相当,Beam 推理算力仅需后者的三分之一到四分之一。彭博和金融时报称其为美国在开源模型领域对中国的反击。但 Beam 与国内其他头部开源模型如 Qwen3.8、GLM5.3、Kimi K3、DSV4F 仍有差距。 Reflection 由谷歌 DeepMind 两位研究员 M...
2026-10-06
把35个判断交给内核:这个开源项目拿下黑客松总冠军
在进化酒馆黑客松深圳收官之战中,项目 mu(μ)获得全场冠军。它将 Jev 深度融合进 Harness,试图解决 Agent 把工具、日志、技能、上下文全部交给大模型导致效率低、Token 浪费的问题。 mu 建立在开源 Coding Agent pi 之上,主要改造模型外的 Harness,设计了 35 个判定点,覆盖用户输入、工具调用、上下文管理、任务完成判断和多 Agent 通信等环节。例...
2026-10-06