10月12日夜间到13日，不少DeepSeek网页端和App用户发现，自己的对话入口悄悄换了脾气：熟悉的任务突然做砸、回答明显变长却不见变更好。多名用户称被灰测命中的体验始于10月6日前后，而知乎在13日下午出现的"10月13日DeepSeek再次灰度测试能力下降怎么看？"提问，很快把这次灰测推上讨论热点。 这是DeepSeek惯例式的前端灰测：官方把一个新模型无提示地路由给一部分普通用户，海外侧也有人同步发现API端点行为改变。截至发稿，DeepSeek没有公布这个新模型的名称、参数规模或测试范围——现在能确认的是"有新模型在被测"，而它是什么、是否变弱，都还没有官方答案。知乎
前端用户最先感到的是落差。13日早上，B站出现了多条针对"1013灰测前端"的实测视频，有UP主用四则"前端游戏设计"测试例跑这个灰测版本，评论区里最扎心的对照是"这个推箱子还没我八月灰测时候做的好了。。"。 问题在于，被灰测命中的用户并不知道自己换成了什么模型，只能拿自己熟悉的任务反复对照，"降智"的抱怨于是迅速聚集。哔哩哔哩
海外的观察则来自另一端。一位开发者从10月12日起连发三条测试，记录是"06:28：测速 —— DeepSeek-V4.1-Flash 平均 175.41 tok/s（最低 146.7，最高 234.6）， 他说这是他测过的最慢速度"。 但变慢未必等于变弱——推理档位调高、路由到更大的模型，同样会掉输出速度。这组观察只能证明"端点背后发生了变化"，证明不了变化的方向。哔哩哔哩
至于换成了什么，目前只有猜测。测试者自己给出的候选是v4.2-flash、V4.1-Flash的新checkpoint，或者正在被悄悄测试的V4.1 Pro，并强调这些都只是推断；而被灰测的用户里，相当一部分宁愿相信这是一个传闻中能在消费级显卡上部署的小尺寸模型，也不愿接受它是Pro——如果Pro只有这个水平，不如趁早别发。
把时间线拉长看，“悄悄灰测、事后官宣"本就是DeepSeek发布新能力的一贯路径。今年4月底，其识图模式先以小范围内测亮相。 9月8日V4.1 Flash中间版本开始内测，9月10日正式发布，同时"过去分立的快速、专家、识图模式整合为统一对话入口，不再需要用户手动选择”。 语音对话灰测则从9月12日一路延续到10月上旬仍在扩大覆盖。 上一次灰测到官宣只隔了两天，但语音灰测一个月后仍未转正——这套节奏意味着，本次前端灰测既可能是新品发布的前奏，也可能只是一场随时回滚的试验。界面新闻微博微博
用户对"变弱"的感知，还要放进一个技术背景里理解。字节跳动Seed团队联合多所高校的论文发现，由于分块KV缓存压缩带来的"相位敏感性"，“在128K长上下文检索实验中，仅仅因为目标信息所处的Token位置不同，DeepSeek-V4-Flash的检索准确率落差竟高达40.23个百分点。”。 同一篇论文的数据显示，这一差距在V4后训练版本已缩小到19.1个百分点，9月发布的V4.1-Flash进一步降到6.1；AI科技评论用现役V4.1-Flash复测也发现，“在64次固定采样设置的测试中，模型全部补全为正确答案“8”，没有出现Seed论文中正确答案与错误答案之间的翻转。”。 换句话说，DeepSeek系模型的表现本来就随输入细节起伏，当前版本已明显改善；在没有受控基准的前提下，几次前端体验很难区分"新模型更弱"和"正常波动+被近期密集新品抬高的预期"。36氪知乎
接下来值得盯的是三件事。其一，模型身份何时被官方坐实——"V4.1 Pro已在按账号灰度（Early access、默认High推理强度）"只是社区转述，自媒体那份"DeepSeek V4.1 Pro：预计 10 月下周至 10 月底"的时间表更不足以当真。 其二，看灰测范围在前端是继续扩大还是悄悄回滚。其三，盯DeepSeek API文档的模型列表和价格是否同步更新。已被灰测命中的普通用户，最简单的自证办法是用同一批固定任务隔几天重跑一遍，区分偶发波动和稳定变弱；把V4.1-Flash接入生产环境的开发者，则应在灰测窗口期给回归测试留足余量，等官方披露型号与统计口径之后再决定跟进还是绕行。小红书
