Capacité de calcul limitée : pourquoi DeepSeek-V4 est-il open source ?

marsbitPublié le 2026-04-26Dernière mise à jour le 2026-04-26

Résumé

Face à des contraintes de calcul, DeepSeek a choisi de rendre son modèle DeepSeek-V4 open source, tout en proposant une version Pro aux capacités avancées mais limitée en débit en raison de ressources de calcul haute performance insuffisantes. Le modèle exploite une architecture MoE (Mixture of Experts) avec 1,6T de paramètres au total mais seulement 49B activés lors de l'inférence, permettant une gestion de contexte longue (1 million de tokens). Une version Flash, avec 284B de paramètres totaux et seulement 13B activés, est conçue pour une adoption massive sur du matériel moins performant, visant ainsi les PME et développeurs. Le modèle excelle dans des tâches exigeantes comme la génération de code et le raisonnement complexe, rivalisant avec des modèles fermés leaders. DeepSeek a également collaboré avec des fabricants de puces chinoises (Huawei, Cambricon, Hygon) pour optimiser l'exécution sur du matériel local, bien que des défis persistent en termes de performance pure et d’approvisionnement. Cette stratégie intervient dans un contexte de concurrence intense sur le marché chinois des modèles de langage et de départs clés dans l’équipe R&D. DeepSeek cherche également à lever des fonds à une valorisation élevée, et cette version open source constitue une démonstration de sa résilience technologique et de son orientation pragmatique vers une IA accessible malgré les limites actuelles du calcul.

Par | Technologie sans froid

Le 24 avril, une étape importante a été franchie dans le domaine des grands modèles en Chine. La version préliminaire de DeepSeek-V4 a été officiellement lancée et simultanément rendue open source, faisant de la gestion de contextes ultra-longs de 1 million de mots (1M) une configuration standard des services officiels.

Il y a un an, cette capacité de traitement de texte long était encore réservée aux grands groupes étrangers, derrière des paywalls professionnels. Aujourd'hui, elle est mise à disposition de la communauté open source, devenant une infrastructure que les développeurs peuvent utiliser à volonté. Pour les développeurs qui travaillent tard sur de longues bases de code ou des contrats juridiques complexes, c'est une excellente nouvelle.

Mais derrière cette mise à disposition technologique, le communiqué officiel comporte un aveu très sobre : « En raison de limitations en matière de capacité de calcul haut de gamme, le débit de service de DeepSeek-V4-Pro est actuellement très limité. »

Pour ceux qui ont l'habitude des présentations où les fabricants vantent leurs réserves de calcul, cette franchise dégage une rare froideur.

Dans la seconde moitié de la course aux grands modèles, le secteur sait très bien qui dispose de quelles ressources matérielles haut de gamme. Plutôt que de maintenir une course aux paramètres, il vaut mieux exposer la réalité industrielle. La manœuvre de DeepSeek abandonne en fait l'obsession des simples benchmarks et trouve un compromis entre les avancées algorithmiques fondamentales, l'écosystème hétérogène de calcul encore en développement en Chine, et les réalités commerciales des entreprises, pour concilier progression technologique et contraintes matérielles.

L'industrie chinoise de l'IA se débarrasse de son habit early-stage de gaspillage d'argent aveugle pour entrer dans une ère extrêmement réaliste de « livre de compte de la capacité de calcul ».

Comment équilibrer le livre de compte de la version Pro ?

Examinons de plus près ce V4-Pro au débit explicitement limité. En tant que fleuron de l'écosystème, le V4-Pro possède un total de paramètres colossal de 1,6 T, mais n'en active que 49B lors de l'inférence. Cette conception extrêmement clairsemée n'est pas un modèle vitrine ; sous le contrôle rigoureux des lignes de production réelles, sa base technologique présente une robustesse défensive remarquable.

La capacité à gérer du code complexe et des raisonnements logiques est la pierre de touche pour déterminer si un grand modèle peut vraiment entrer dans les maillons essentiels de la production. Dans l'environnement d'évaluation Agentic Coding (code agent intelligent), les performances pratiques du V4-Pro se placent solidement dans le premier tier des modèles open source actuels.

DeepSeek l'a déjà intégré dans sa propre chaîne de production de code, en faisant un outil de productivité indispensable pour ses ingénieurs de première ligne. Les retours des chercheurs indiquent que son expérience de génération et de correction de code est supérieure à Sonnet 4.5, et se rapproche de celle d'Opus 4.6 dans les scénarios ne nécessitant pas une réflexion profonde, bien qu'un écart subsiste avec le mode de raisonnement d'Opus 4.6.

Derrière ces performances en conditions réelles se trouve une exploration extrême de la profondeur algorithmique par l'équipe de R&D. Dans les évaluations des connaissances mondiales, qui testent la qualité du nettoyage des données de pré-entraînement et la densité des connaissances, le V4-Pro devance la plupart des modèles open source existants, n'étant actuellement légèrement inférieur qu'au modèle propriétaire de pointe Gemini-Pro-3.1. Pour les évaluations en mathématiques, STEM (Sciences, Technologie, Ingénierie, Mathématiques) et code de type compétition, il a obtenu son ticket pour rivaliser avec les grands acteurs propriétaires mondiaux.

Obtenir une telle puissance ne repose clairement pas sur une simple accumulation de cartes de calcul. Les équipes chinoises savent pertinemment qu'il n'est pas réaliste de rivaliser en termes de réserves de cartes graphiques haut de gamme. La capacité du V4-Pro à traiter des contextes ultra-longs de 1M avec une mémoire limitée est soutenue en profondeur par une refonte du mécanisme d'attention par l'équipe de R&D. Ils ont mis en œuvre un nouveau schéma de compression de l'attention, effectuant une compression intense au niveau des tokens, couplée à leur technologie signature d'attention clairsemée DSA (DeepSeek Sparse Attention).

Cette voie technologique originale, ajoutée à l'introduction pionnière d'une fenêtre glissante (KV Cache sliding window) et d'algorithmes de compression, contrôle efficacement les coûts de calcul et l'occupation mémoire induits par le traitement de longues séquences. Pour permettre aux développeurs d'exploiter réellement ces capacités dans leurs activités, l'équipe de R&D a spécifiquement adapté en profondeur des outils d'agent principaux comme Claude Code et OpenClaw.

La documentation technique indique même explicitement que les développeurs peuvent directement activer le mode de raisonnement (thinking mode) pour les tâches complexes, en réglant le paramètre reasoning_effort sur max. Cette optimisation systémique réalisée avec des ressources de calcul limitées démontre précisément au secteur que, même avec une capacité de calcul haut de gamme contrainte, les équipes locales peuvent encore élargir les limites de performance des modèles grâce à une conception architecturale native.

Les 13B activés, un seuil pour qui ?

Ceux qui se focalisent sur les goulots d'étranglement du débit de la version Pro négligent souvent le point d'appui commercial que DeepSeek cache en arrière-plan : la version Flash. Certains dans le secteur estiment qu'il ne s'agit que d'un produit de compromis dû à la pénurie de capacité de calcul, une opinion qui sous-estime clairement la réflexion à long terme de l'équipe de direction. Il s'agit d'un positionnement pragmatique sur l'écosystème de masse, soigneusement calculé en termes de coûts.

Selon les informations divulguées dans le code d'adaptation public, le nombre total de paramètres de la version Flash reste à un niveau important de 284B, mais ses paramètres activés sont précisément calibrés à 13B.

13B, dans un contexte où les concurrents tentent de pousser les paramètres vers des échelles de billions, peut sembler peu impressionnant. Mais cela reflète justement la logique économique de l'architecture Mixture of Experts (MoE) dans le déploiement commercial : le nombre total de paramètres détermine l'étendue des connaissances du modèle, tandis que les paramètres activés déterminent directement à chaque appel d'API les coûts électriques et la bande passante mémoire que le serveur doit engager.

Maintenir le volume d'activation à 13B extrait directement les grands modèles des centres de calcul intelligents ultra-coûteux. Ses besoins en mémoire graphique par carte et en pic de calcul sont très modestes. Les tests pratiques montrent que la version Flash maintient une vitesse de réponse et un taux de précision stables face à des tâches quotidiennes simples mais massives et à haute fréquence, sans baisse notable de ses capacités de raisonnement général sous-jacentes. Pour les nombreux petits développeurs et entreprises de la longue traîne qui doivent traiter des milliers d'appels d'API par jour, c'est véritablement un outil de production abordable et utilisable.

La logique industrielle plus profonde réside dans le fait que les puces de calcul hétérogènes grand public en Chine sont encore en phase de rattrapage en termes de performances absolues par carte. Les systèmes de calcul supportant une activation complète heurtent facilement le mur de la mémoire, entraînant une faible efficacité opérationnelle ; mais face à la version Flash avec seulement 13B activés, ces puces peuvent fonctionner fluidement avec une consommation énergétique faible à moyenne.

Cette étape de DeepSeek valorise les nombreuses ressources de calcul low-end et mid-range inutilisées en Chine, offrant un terrain d'essai parfaitement adapté aux puces nationales qui ont un besoin urgent de scénarios de déploiement. Cette logique de construction d'infrastructure inclusive vers le bas est bien plus en phase avec la réalité commerciale actuelle que le simple fait de grimper dans les classements des divers benchmarks.

Les puces chinoises sont-elles prêtes ?

Ce qui a suscité de vives discussions dans le secteur suite à cette annonce, c'est l'étiquette « déploiement full-stack national » affichée. Pendant longtemps, un décalage a existé entre les entreprises d'algorithmes et les fabricants de puces chinoises : les éditeurs de modèles craignaient qu'un écosystème matériel immature ne ralentisse le développement, tandis que les fabricants de puces manquaient de modèles de pointe pour un réglage fin en profondeur. Cette fois, l'impasse est rompue.

Huawei Computing a rapidement annoncé que toute la gamme de produits Ascend Super Node supportait pleinement le nouveau modèle. D'un point de vue technique, les puces Ascend sous-jacentes, s'appuyant sur la fusion des kernels (fusion kernel) et la technologie multi-flux parallèles, réduisent efficacement les frais généraux de calcul du système, stabilisant ainsi les performances d'inférence dans les scénarios de texte long. Cambricon a également rapidement réalisé une adaptation Day 0 et open-sourcé le code bas niveau. Haiguang DCU a simultanément annoncé avoir bouclé la boucle.

Mais il faut percer la surface de cette prospérité écologique pour examiner les résistances réelles rencontrées lors de la jonction logiciel-matériel dans les salles de serveurs. Prenons l'exemple de la puce Ascend 950系列. Selon des sources sectorielles, cette puce dispose de 112 GB de HBM (mémoire à bande passante élevée) autonome, d'une bande passante de 1,4 TB/s, et d'une consommation par carte atteignant 600 watts. Dans des précisions d'inférence spécifiques (comme FP4), sa puissance de calcul par carte affiche des performances de données très solides, atteignant 2,87 fois celle du Nvidia H20. Mais dans les plages de précision d'entraînement général plus exigeantes comme FP16 ou FP32, le fossé de performance entre le matériel chinois et Nvidia persiste.

De plus, la prétendue « adaptation Day 0 » est encore loin d'une exploitation professionnelle enterprise sans perte, devant surmonter les coûts cachés liés à l'opacité de la chaîne d'approvisionnement. Les normes de connexion haute vitesse du matériel Super Node sont extrêmement fermées, la circulation des composants clés ressemblant à une boîte noire informationnelle. Ces barrières à l'approvisionnement complexifient sans aucun doute le déploiement et la maintenance à grande échelle des systèmes de calcul.

Parallèlement, ce système dépend fortement pour le moment des gros contrats groupés de quelques grandes institutions nationales. Le manque de commandes sur le marché international signifie que cette bataille pour percer dans le calcul ne peut se jouer qu'en circuit interne. Cette boucle commerciale unique signifie que l'efficacité opérationnelle de l'ensemble du système logiciel-matériel a un besoin urgent d'être trempée dans des environnements commerciaux plus diversifiés.

La tension dans la montée en puissance de la production de calcul haut de gamme conduit directement DeepSeek à reconnaître dans son communiqué que pour une baisse significative du prix de la version Pro, il faudra attendre la mise sur le marché en volume des Super Nodes dans le second semestre. Les grands modèles et les puces chinoises ont certes réalisé un engrenage physique préliminaire, mais avec l'écart technologique et les contraintes de la chaîne d'approvisionnement, cette course effrénée et blessée est précisément la coupe transversale la plus réaliste de la survie de l'écosystème de calcul national.

Si les gens partent, la technologie peut-elle encore tourner ?

En revenant à la concurrence commerciale réelle, l'avènement de DeepSeek-V4 constitue une défense stratégique extrêmement précise. Durant les derniers mois, cette entreprise a constamment sous pression. Le segment B2C est devenu une mer rouge, les acteurs leaders utilisant des masses de capitaux pour des déploiements intensifs. Les données de QuestMobile présentent une tendance concurrentielle claire : fin mars 2026, Doubao (豆包) atteignait 345 millions d'utilisateurs actifs mensuels (MAU), Qianwen (千问) 166 millions, et DeepSeek maintenait son cœur de métier avec 127 millions.

La concurrence externe pour le trafic est féroce, et l'équipe technique interne fait face à des tests de mobilité. La concurrence pour débaucher est acharnée dans le secteur, avec des départs successifs de personnel clé de plusieurs lignes métier. Selon les CV publics et les informations du secteur, l'auteur principal de la première génération de grands modèles de langage a confirmé avoir rejoint Tencent, un contributeur clé de V3 est parti chez Xiaomi, un chercheur principal de R1 a rejoint ByteDance, et les forces clés dans le domaine multimodal ont également confirmé de nouvelles destinations. Selon des rumeurs sectorières, Wei Haoran (魏浩然), auteur principal dans le domaine OCR, aurait également démissionné.

Les changements parmi les membres clés de la R&D ne manqueront pas de susciter un examen strict de leur capacité d'innovation future : la capacité d'innovation de l'architecture sous-jacente de cette entreprise basée sur la technologie sera-t-elle affectée ?

À ce stade, la publication de la version préliminaire de V4 constitue la réponse la plus directe. Elle démontre au marché que l'entreprise a établi un pipeline de R&D systématique capable de résister aux risques. Même face à des ajustements structurels du personnel, la logique de son évolution technologique peut continuer à fonctionner avec précision. Cette résilience organisationnelle basée sur un système d'ingénierie a rapidement obtenu un retour positif sur le marché capitalistique.

Récemment, DeepSeek aurait cherché à lever des fonds avec une valorisation d'au moins 10 milliards de dollars américains, afin de reconstituer ses réserves. Selon des médias sectoriers citant des sources proches des négociations, des rumeurs de marché font état d'un géant internet de premier plan prévoyant d'injecter des capitaux, ce qui pourrait faire monter la valorisation de ce tour de table. Si cette transaction se concrait, elle réécrirait le record de valorisation dans la course aux grands modèles en Chine, dépassant la performance précédente de MoonShot (月之暗面). En présentant des résultats tangibles avec le contexte d'un million de mots et l'adaptation full-stack nationale durant une phase clé de négociations de financement, la direction pose une pièce rationnelle pour stabiliser le jeu stratégique et répondre aux doutes externes.

Pour conclure

Dans le contexte commercial technologique où les concepts évoluent fréquemment, les équipes愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意愿意极少数专注于 la construction d'infrastructures sous-jacentes. Le lancement de DeepSeek-V4 établit un ton pragmatique et froid pour la seconde moitié de la course aux grands modèles.

Face au goulot d'étranglement de la capacité de calcul, ils n'ont pas choisi de le masquer, mais ont exposé la réalité de l'offre et de la demande du matériel haut de gamme national au marché ; face aux besoins de déploiement de masse, ils ont utilisé la version Flash avec 13B activés pour offrir un espace de survie aux puces de calcul nationales encore en phase de rattrapage ; face à l'encerclement du trafic externe et à la concurrence pour les talents, ils ont répondu au niveau du secteur avec des capacités concrètes de traitement de texte long.

La citation des « Entretiens de Confucius » (Note : Correction, il s'agit en réalité d'une citation de Xunzi 《荀子》, comme indiqué ensuite) reprise par l'équipe officielle le jour du lancement est très significative : « Ne pas être séduit par la louange, ne pas être effrayé par la calomnie, suivre la voie et agir, se rectifier avec droiture. » (不诱于誉,不恐于诽,率道而行,端然正己。)

Le modèle peut être open source, mais la capacité de calcul n'est pas gratuite. Ce que DeepSeek a livré cette fois, ce n'est pas un modèle plus puissant, mais une solution sur la manière dont les capacités sont redistribuées une fois que la capacité de calcul devient une contrainte. Dans une réalité où la capacité de calcul est encore imparfaite, c'est peut-être la direction de l'évolution la plus proche de l'essence de l'industrie.

Questions liées

QPourquoi DeepSeek-V4 a-t-il été rendu open source malgré des limitations de capacité de calcul ?

ADeepSeek-V4 a été rendu open source pour offrir à la communauté des développeurs un accès immédiat à des capacités de traitement de contexte long (1 million de tokens), autrefois réservées aux grands acteurs technologiques payants. Cette décision s'inscrit dans une stratégie visant à prioriser les avancées algorithmiques et l'optimisation système plutôt qu'une course pure aux paramètres, tout en s'adaptant aux réalités du matériel disponible et aux besoins commerciaux.

QQuelle est la particularité de l'architecture de DeepSeek-V4-Pro en termes de paramètres ?

ADeepSeek-V4-Pro utilise une architecture de type MoE (Mixture of Experts) avec un total de 1,6T de paramètres, mais seulement 49B sont activés lors de l'inférence. Cette conception éparse permet une efficacité computationnelle élevée et une réduction significative de l'utilisation de la mémoire, tout en maintenant des performances de pointe dans des tâches exigeantes comme la génération de code et le raisonnement complexe.

QComment la version Flash de DeepSeek-V4 répond-elle aux contraintes économiques et techniques ?

ALa version Flash de DeepSeek-V4, avec 284B de paramètres totaux mais seulement 13B activés, est conçue pour réduire les coûts opérationnels (comme la consommation électrique et la bande passante mémoire) tout en maintenant des performances stables pour les tâches courantes. Elle permet une utilisation abordable pour les PME et les développeurs, et est compatible avec des puces de calcul hétérogènes nationales, valorisant ainsi les ressources de calcul disponibles.

QQuels défis les puces chinoises (comme Huawei Ascend) rencontrent-elles pour exécuter des modèles comme DeepSeek-V4 ?

ABien que des puces comme Huawei Ascend aient réalisé une adaptation technique précoce (Day 0) pour DeepSeek-V4, elles font face à des défis persistants : des écarts de performance dans les précisions FP16/FP32 par rapport aux solutions NVIDIA, une chaîne d'approvisionnement opaque pour les composants critiques, et une dépendance excessive aux commandes institutionnelles nationales, limitant ainsi leur déploiement à grande échelle et leur maturation dans divers environnements commerciaux.

QComment DeepSeek maintient-il son innovation malgré la perte de talents clés ?

AMalgré le départ de plusieurs chercheurs clés, DeepSeek a démontré sa capacité à maintenir son innovation grâce à un pipeline de recherche systématique et une robustesse organisationnelle. Le lancement de V4, avec ses avancées en traitement de contexte long et son adaptation aux puces nationales, prouve que l'entreprise s'appuie sur une ingénierie solide et des processus durables, plutôt que sur des individus isolés, pour assurer sa continuité technologique.

Lectures associées

24/7, le raz-de-marée des produits dérivés qui ne s'arrête jamais : la cryptomonnaie pousse la finance traditionnelle à « changer de fuseau horaire »

Les marchés cryptos ont toujours fonctionné en continu, 24h/24 et 7j/7. Cette réalité oblige désormais la finance traditionnelle à s’adapter, comme en témoigne l’annonce du CME Group de proposer des produits dérivés cryptos réglementés en trading quasi-permanent à partir de fin mai. Cette mesure ne répond pas seulement à une demande institutionnelle croissante – les volumes de dérivés cryptos dépassent déjà largement ceux du spot – mais soulève des défis structurels profonds pour la finance établie. Le cœur du problème réside dans la compatibilité entre l’exécution continue des transactions et les infrastructures traditionnelles de règlement, de compensation, de gestion des risques et de conformité, conçues pour des jours ouvrables. Si les transactions peuvent avoir lieu à tout moment, leur traitement réglementaire reste, pour l’instant, calé sur le calendrier traditionnel. De plus, la transparence inhérente des blockchains publiques, tout en offrant une auditabilité bénéfique, expose en temps réel des flux financiers sensibles des entreprises, créant un nouveau risque informationnel. L’adoption institutionnelle à grande échelle dépendra donc de la capacité à construire des systèmes qui intègrent à la fois la continuité du marché cryptos et les contrôles institutionnels, notamment en matière de confidentialité et de responsabilité. La finance traditionnelle n’adopte pas simplement les cryptomonnaies ; elle est contrainte d’adopter progressivement leur rythme de fonctionnement, faisant des dérivés cryptos un laboratoire pour l’avenir des marchés financiers globaux.

marsbitIl y a 27 mins

24/7, le raz-de-marée des produits dérivés qui ne s'arrête jamais : la cryptomonnaie pousse la finance traditionnelle à « changer de fuseau horaire »

marsbitIl y a 27 mins

La réussite de l'examen de Yushu, Hangzhou tire le gros lot

Aujourd'hui, Unitree Robotics a officiellement franchi l'étape de l'examen du conseil d'administration pour son introduction en bourse sur le marché STAR de la Bourse de Shanghai, visant à lever 4,202 milliards de yuans pour le développement de modèles de robots intelligents et de robots physiques. Cette étape marque son accession au statut de "première action de robot humanoïde". Le parcours de Wang Xingxing, fondateur d'Unitree, n'a pas été facile. En 2016, il a fondé l'entreprise à Hangzhou avec peu de soutien initial, le secteur des robots étant perçu comme un "jouet" par de nombreux investisseurs. À son point le plus critique, la trésorerie de l'entreprise est tombée à seulement quelques centaines de milliers de yuans. Le tournant est venu en 2018 lorsque les capitaux d'État de Hangzhou sont intervenus, fournissant une garantie de crédit et un prêt de 20 millions de yuans en seulement 10 jours. Ce soutien vital a permis à Unitree de stabiliser ses opérations, de passer du prototypage à la production de masse et de lancer le premier robot quadrupède grand public hautement dynamique au monde. Par la suite, les fonds souverains de Hangzhou, via leurs fonds principaux, ont continué à accompagner Unitree lors de quatre tours de table de financement (B2, B3, C, C+), attirant également des géants industriels comme China Mobile, Tencent, Alibaba et Geely. Unitree est désormais un leader mondial dans le domaine des robots quadrupèdes et humanoïdes. Avant son introduction en bourse, son chiffre d'affaires pour 2025 a atteint 1,699 milliard de yuans, avec un bénéfice net ajusté de près de 591 millions de yuans. Elle a vendu plus de 33 000 robots quadrupèdes et occupe la première place mondiale pour les livraisons de robots humanoïdes en 2025. L'histoire d'Unitree illustre la stratégie de "capital patient" de Hangzhou, conçue pour soutenir les entreprises de technologies de pointe dès leurs débuts. La ville a mis en place un cluster de fonds industriels de 500 milliards de yuans ("3+N") et un "Fonds Jeune Pousse" (Runmiao) avec une durée de 20 ans pour financer les projets en phase amont. Outre Unitree, ce système soutient d'autres membres des "Six Dragons de Hangzhou" comme CloudWalk, BrainCo et DeepSeek, couvrant des domaines tels que l'IA, les robots et l'interface cerveau-ordinateur. Hangzhou attire également massivement les jeunes talents, avec plus de 430 000 diplômés de moins de 35 ans venus en 2025. Avec 48 licornes et 413 futures licornes, Hangzhou se transforme progressivement d'une ville historique en une "ville de l'innovation scientifique et technologique", forgeant un écosystème complet où davantage de success stories à la Unitree sont attendues.

marsbitIl y a 50 mins

La réussite de l'examen de Yushu, Hangzhou tire le gros lot

marsbitIl y a 50 mins

Les marchés actions américains sont-ils plus dangereux à mesure qu'ils grimpent ? Goldman Sachs : le mécanisme de protection contre les baisses est presque hors service

Le marché boursier américain affiche une hausse soutenue, mais les stratégistes de Goldman Sachs, dont Brian Garrett, tirent la sonnette d'alarme. Ils constatent une disparition quasi totale de la peur d'un repli sur le marché des options, signalée par l'effondrement du « skew » (asymétrie) de volatilité du S&P 500 à son plus bas depuis 18 mois. Le marché évalue désormais une probabilité identique d'environ 8% pour une hausse ou une baisse de 10%, ce qui rend le mécanisme traditionnel de protection contre les baisses quasi inopérant. L'indice de panique GS est également à un plus bas de deux ans. Cette situation intervient alors que la hausse du marché est étroite et concentrée : les 10 plus grosses capitalisations pèsent 40% de l'indice, et la performance est largement portée par les valeurs liées à l'IA, créant un écart avec le reste du marché. Garrett relève des similarités troublantes avec la période 1998-1999. Face à ce risque, Goldman Sachs recommande des stratégies de couverture à bas coût, comme l'achat d'options de vente (puts) sur le S&P 500 ou d'options d'achat (calls) sur la volatilité (VIX). La banque suggère également de se positionner sur une rotation du marché vers des valeurs plus larges via l'ETF RSP, et de surveiller la volatilité des ETF Bitcoin, actuellement sous-évaluée. Les flux des hedge funds montrent des achats nets soutenus, avec une rotation vers le secteur financier au détriment de l'industriel. Par ailleurs, la taille du marché des ETF à levier et inversés sur actions individuelles a doublé en deux mois, dépassant 60 milliards de dollars, un segment devenu significatif.

marsbitIl y a 1 h

Les marchés actions américains sont-ils plus dangereux à mesure qu'ils grimpent ? Goldman Sachs : le mécanisme de protection contre les baisses est presque hors service

marsbitIl y a 1 h

Trading

Spot
Futures
活动图片