DeepSeek"数学变强"的这个新架构，其实不是DeepSeek发布的。
11月8日前后刷屏的报道，源头是Mobileye创始人Amnon Shashua创办的研究机构doubleAI在11月6日至7日放出的一项研究。他们提出的"机制干预"（mechanistic intervention）做法是：让模型读懂自己的内部状态，再亲手写代码介入自己的推理过程。DeepSeek-V4.1-Flash先分析了自己此前在243道数学题上的解题轨迹和最深7层的内部激活状态，摸清"快要算偏"时的信号规律，然后亲手写了一段Python探针程序塞进自己的推理流程：思维链每推进到一个检查点，程序就提取内部激活特征打分，一旦测出轨迹偏离正常分布，当场回滚重算。全程没有改动模型的一个权重。效果是在AIME 2026与HMMT 2026两项数学竞赛测试集上，综合得分从约64%提升到约71%，涨了7个百分点。新浪
这解释了标题里的误读：不是DeepSeek官方换代了新架构，而是第三方研究机构给DeepSeek的模型做了一次"读脑自救"实验。DeepSeek官方并未宣布将这套机制加入任何产品，学生现在在App里还无法直接用上"自动回滚重算"。
7分是什么水平，哪些数字不能混着看
把实验数据拆开看更清楚。两项竞赛的综合成绩，不插探针约63.9%，用DeepSeek自己写的探针达到71.0%；如果换成理论上最优的"完美探针"，可以到78.1%——模型自己写的代码已经完成了大部分提升，但离上限还有距离。单看AIME 2026约从76.2%升到82.3%，HMMT 2026约从52.7%升到60.8%。另一个常被揉进同一条消息的数字——“30种经典算法的准确率从55%狂飙到84%”——来自该研究在训练中途逐层插入代码的另一组算法任务实验，不是数学竞赛成绩，口径完全不同。新浪
对照组设计也值得留意：只截断输出长度、或把代码逻辑打乱做成"假代码"，成绩与常规推理基本重合，说明涨分靠的不是"多跑了一遍代码"的形式，而是模型自己写出的监控逻辑命中了犯错信号。这项研究目前以机构博客和实验数据形式发布，尚未看到同行评议或DeepSeek官方回应，"7分"应理解为该机构披露的实验结果，而非产品实测。
作为参照，DeepSeek模型本身最近的真实状态是：10月17日更新的V4.1-Flash-1017延续552B总参数的非对称MoE架构（输入激活8B、输出激活16B），重点优化代码与智能体任务；据OpenRouter统计，该版本在10月19日至25日单周调用量达到33.6万亿Token，环比增幅高达801%，登顶全球模型调用量周榜。"数学变强"的故事发生在这些现成模型的用法层，而不是模型换代。36氪
学生做题能立刻用上的，是这套思路而不是这个功能
功能用不上，思路可以直接抄进提问方式。这个实验本质上验证了一件事：大模型解题时内部有"跑偏信号"，中途自查比事后纠错有效。不少学生已经观察到DeepSeek"先错后对"的行为——有人让它解高中函数题，它做了十多次泰勒展开、中途算错好几回又自己纠正回来；11月还有概率论用户专门发帖讨论它为什么先给错过程再改对。实验说明这种自我纠错有内部机制支撑，那就把"探针"变成指令。小红书
具体到做题，有三种现成用法。第一，把验算嵌进过程：别让它一口气给答案，要求"每一步变形后先回代检验再继续"；纯计算量大的题目（行列式展开、级数求和这类）直接让它写一段代码验算，V4.1系列本就以代码为优化重点，这比让它心算可靠。第二，把抽象题变可见：有中学老师用DeepSeek做出分数乘法、一元一次方程、三角函数到对数图像变换的可视化网页。B站上也有初中生用DeepSeek的智能体框架Harness生成"平面直角坐标系与函数"的讲解视频，理解不了的题目让它画出来、做成动画，是它擅长且免费的能力。第三，把它当陪练不当答案机：有博主拿同一批含漏乘、符号、代入算错三类错误的七年级作业，把豆包、讯飞星火和DeepSeek放在一起实测对比找错与讲错因的表现。用来订正错题，比直接抄整题答案有价值——当然这是个人测试，各家模型的表现会波动。新浪哔哩哔哩
边界也要看清。数学专业教材级别的题它会翻车：北大版《高等代数》的行列式补充题，有人让它做半天也没做对。高校开学摸底卷也曾把它难得评论区调侃"高考一百二三、开学考十几分"。11月上旬它还经历过网页与API部分中断，拍照搜题高峰期有用户转半天只收到两个字。计算出错、服务波动和"降智体感"都还是使用中的常态。小红书新浪界面新闻
所以对这个热点，学生的正确姿势不是等DeepSeek上线"回滚重算"，而是从今天开始按它的原理做题：要过程、要自查、把机械计算外包给它的代码能力、最后一道核验留给自己。等这类"读脑自救"机制真正进入产品，先养成这套流程的人，收益会最快兑现。
