deepseek神鬼二相性真相大白？字节团队新论文打脸ds灰测传言

玄月调查小组

2026年10月15日 02:27
上海

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

编者荐语：

总不能大家都偷偷给我换了量化版本吧？

以下文章来源于矩阵哨兵
，作者矩阵哨兵

矩阵哨兵
.

重构认知边界，让AI成为你的第二大脑

大家还记得史上最短命模型DeepSeek-V4-Pro-0813吗？

8月份的时候，我在b站刷到过一堆deepseek灰测的视频。又是\"震惊瘫坐\"，又是\"核弹爆炸\"，然而真正发布后，我只能说拉完了，完全对不起期待，和灰测时候完全不符。

经过\"权重传错了\"、\"配置没搞对\"等等一系列反转再反转后，随着半个月后DeepSeek-V4.1-Flash的发布，V4-Pro的棺材板算是被钉上了。但有没有人和我一样很好奇，当初灰测的模型是什么来头？为什么和正式版差距那么大？

最近字节团队发布了一篇论文《Periodic Weak Spots》，揭露了deepseek v4系列模型神鬼二相性的真相。原来我们都搞错了，灰测模型和正式版可能还真是一个模型。

多一个等号，就能让Deepseek流口水

研究人员让 DeepSeek-V4-Flash-Base 补全一段代码。

正确答案应该是 8，但大肥鱼有时偏偏选择错误的 32。

更神奇的是，研究人员在不修改代码的前提下，只在无关注释里不断增加等号 =，神奇的一幕出现了：

• 某些位置，AI 坚定地选择错误答案 32。
• 往前多加几个无关字符，它又选择正确答案 8。
• 继续增加字符，错误又回来了。

而且，这种变化呈现出每4个 Token重复一次的规律。

同样的题目，大肥鱼准确率相差一倍

研究人员进一步给 DeepSeek V4 做了一场考验上下文性能的\"大海捞针\"测试。

他们准备了一份约12.8万个 Token 的长文本，藏入1.6万组编号和答案，再让模型寻找指定信息。

结果发现，在 DeepSeek-V4-Flash 的基础模型上：

信息落在最佳位置组时，准确率接近70%；落在最差位置组时，准确率却不到30%。

创新的记忆压缩机制竟是元凶

为什么偏偏是4个 Token？

大家还记得高中时候背书默写的痛苦时光吗？如果默写内容是一篇课文，逐字记完全记不住（内存不够），只能通过概要帮助记忆。

DeepSeek V4 记忆压缩机制原理类似，它会把连续8个 Token 的信息压缩，每向前移动4个 Token，再生成一份新的压缩记忆。

问题是：卡片上的不同位置，可能并没有得到同等重视。

比如，某些负责读取信息的组件特别关注前几个位置，另一些关注中间几个位置。

更麻烦的是，多个组件可能偏爱相同的位置，却没有人照顾另外一些位置。

类似于默写时候记得开头，记得结尾，中间忘了。

于是，大肥鱼就出现了周期性的记忆薄弱点。

深度求索团队很明显也发现了这个问题，V4.1-Flash模型在这方面改善了很多。

灰测谜团

回到开头b站的那些视频，我推测很大一部分正好抽卡抽到了SSR，翻车的肯定不会放出来，而社区反馈之所以褒贬不一，和大肥鱼不稳定的输出也有很大关系。

虽然大肥鱼稳定性确实一般，上限高下限低，但毕竟量大管饱，希望这个月的v4.1-pro能带给我们惊喜，梁子加油！

都看到这儿啦，点个关注再走嘛~