DeepSeek V4 Release nächste Woche? Neues Paper enthüllt revolutionäres KI-Inferenz-Framework DualPath

Das Team von DeepSeek zeigt erneut seine Ambitionen für Evolutionen auf Systemebene. Während Entwickler weltweit fieberhaft nach dem DeepSeek V4 release date suchen, wurde ein Paper mit dem Titel „DualPath“ – gemeinsam veröffentlicht von der DeepSeek-Systemgruppe sowie der Universität Peking und der Tsinghua-Universität – still und leise auf ArXiv hochgeladen. Dies ist nicht nur eine akademische Veröffentlichung, sondern ein Vorab-Blick auf die Kernarchitektur von DeepSeek V4.

Das Hauptziel des DualPath-Frameworks ist die Lösung des schmerzhaftesten Problems bei der Implementierung von KI-Agenten: der I/O-Engpass bei der Inferenz langer Texte.

Den PD-Engpass durchbrechen: Die Kunst der Nutzung „unbenutzter Bandbreite“

In traditionellen Architekturen mit getrenntem Prefilling und Decoding (PD-disaggregated) konzentrieren sich alle KV-Cache-Ladevorgänge auf die Speichernetzwerkkarte der Prefilling-Engine, was die Bandbreite sofort sättigt. Gleichzeitig bleibt die Netzwerkkarte der Decoding-Engine ungenutzt.

DualPath führt einen zweiten Pfad namens „Storage-to-Decode“ ein, der eine globale Poolbildung der Cluster-Speicherbandbreite ermöglicht. In Tests mit einem 660B-Modell wurden folgende Ergebnisse erzielt:

• Der Offline-Inferenz-Durchsatz stieg um das 1,87-fache.
• Der Online-Service-Durchsatz stieg im Durchschnitt um das 1,96-fache.
• Die Latenz bis zum ersten Token (TTFT) wurde signifikant optimiert, sodass die Reaktion des Agenten fast das Niveau menschlicher Intuition erreicht.

Das letzte Puzzleteil für 24/7 KI-Mitarbeiter

Warum wird so viel Aufwand in die Optimierung der KV-Cache-Übertragung gesteckt? Die Antwort liegt im Szenario der rund um die Uhr arbeitenden digitalen Mitarbeiter.

Zukünftige KI-Agenten werden nicht mehr nur „Frage-Antwort“-Chatboxen sein, sondern – wie OpenClaw zeigt – in der Lage sein, autonom Aufgaben auszuführen, tausende E-Mails zu lesen und komplexe Entscheidungsketten zu verwalten. In solchen Szenarien liegt die KV-Cache-Trefferquote normalerweise bei über 95 %. Das DualPath-Framework beschleunigt den Transfer „alter Erinnerungen“, was die Betriebskosten für Agenten mit extrem langem Kontext senkt und die Geschwindigkeit erhöht.

Das bedeutet: Wenn wir DeepSeek V4 in einem lokalen Agent-Framework wie OpenClaw einsetzen, wird Ihr KI-Mitarbeiter über ein fast unendliches Kurzzeitgedächtnis verfügen und nicht mehr ins Stocken geraten, wenn Aufgaben zu komplex werden.

Spekulationen zum Release-Datum von DeepSeek V4

Obwohl es noch kein offizielles Datum gibt, ist der Erstautor des DualPath-Papers, Yongtong Wu, derzeit Mitglied der DeepSeek-Systemgruppe. In Kombination mit aktuellen Warnungen von CNBC über die Markterschütterungen durch neue DeepSeek-Modelle spekuliert die Branche, dass DeepSeek V4 höchstwahrscheinlich nächste Woche offiziell vorgestellt wird.

Die DualPath-Architektur könnte die Geheimwaffe sein, die es V4 ermöglicht, bei extremer Kosteneffizienz eine Agent-Leistung zu erzielen, die GPT-5 übertrifft.

👉 Sie wollen das große Release nächste Woche nicht verpassen? Klicken Sie auf DeepSeekV4.app, um unsere Insider-News zu abonnieren und Informationen aus erster Hand zu erhalten, bevor sie auf Twitter explodieren.

---

Edit: UIO