DeepSeek-V4.1在主干外有两处改动。视觉端：自研DeepSeek-ViT从零训练，采用2D-RoPE、RMSNorm、SwiGLU，经3×3 pixel-unshuffle将token数除以9，再投影到5120维；1302×1302图像占994个位置，文本与图像token各用一套MoE负载均衡偏置。优化器端：head-wise Muon按注意力头分别正交化query权重；Sinkhorn-balanced update以行列交替归一化替代Adam二阶动量，仅存一份动量即可训练196B参数的Engram表。

PostgreSQL 19 将新增查询提示功能，通过 pg_plan_advice 等扩展模块，用户可指定连接顺序、扫描方式和索引，覆盖优化器默认计划。该功能适用于无法修改的查询或函数估算错误场景，但官方提醒优化器通常正确，应优先分析表和调优索引，提示仅按查询 ID 精准使用，并常检查执行计划。

DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大值。RMS匹配对齐AdamW，部分参数仍用AdamW。Q/KV归一化替代QK-Clip防logit爆炸，Anticipatory Routing打断MoE路由正反馈，MTP预测多token，训练配方含32T token等细节。

本文通过基准测试，量化了Qdrant优化器配置对搜索延迟的影响。连续索引虽在加载后需恢复期，但稳态延迟可降180倍；启用prevent_unoptimized能大幅降低排空期延迟，但新点暂不可见。单段配置稳态最快但恢复慢，限制段大小则相反。串行化优化线程可平滑延迟但延长排空。提高删除阈值可避免真空干扰。建议根据负载权衡配置。

Qdrant批量导入后，优化器积压会导致查询延迟飙升。基准测试显示：启用持续索引时，排空阶段p50延迟为780毫秒，优化完成后降至4.3毫秒；禁用索引则稳态延迟高达256毫秒。实验性prevent_unoptimized标志可将排空延迟降至10.2毫秒，但新写入点暂时不可搜索。单段配置稳态最快，但恢复超一小时；限制段大小可加速恢复12.7倍。串行化优化线程可降低p95延迟，但延长排空时间。提高deleted_threshold可避免vacuum干扰搜索。

在蒙特利尔的开发者培训计划中，参与者深入学习了PostgreSQL的优化器、IPC和共享内存等内容。Robert Haas的课程受到高度评价，学员们积极参与讨论和实践，计划未来继续研究优化器源代码和相关补丁，以提升对PostgreSQL的理解和应用。

Postgres 19引入了pg_plan_advice和pg_stash_advice模块，提供查询建议功能，帮助优化器选择更好的执行计划。此功能允许DBA在特定情况下调整查询计划，提升Postgres的灵活性和性能。

DeepSeek-V4系列模型推出了1.6T和284B参数的两个版本，采用混合注意力架构和流形约束超连接，提升了长上下文处理效率。通过Muon优化器和多项基础设施优化，模型在训练和推理阶段展现出更高的稳定性和效率。预训练后，DeepSeek-V4在多个基准测试中超越前代，设立了新的性能标准。

DeepSeek-V4技术报告强调通过改进注意力机制和优化器，提高超长上下文处理效率，能够高效处理1M上下文，降低计算和缓存成本。模型在中文写作和白领任务中表现良好，但在复杂任务上仍需提升。整体目标是解决长上下文的成本问题，提供完整的技术方案。

在MySQL中，可以通过开启优化器跟踪来分析索引使用情况，从而了解优化器如何处理查询以及未使用预期索引的原因。