你有没有过这种体验：同一个问题，昨天答得漂亮，今天同样的话再问一遍就翻车。你没改一个字，AI 却像突然换了个人，开始一本正经地胡说八道。
11 月 9 日，知乎上一个问题被顶到 200 多万浏览——《如何评价字节 Seed 团队发现 DeepSeek 性能漂移？》。它替你解释了那句憋了很久的"AI 又降智了"：很多时候不是你问得不好，而是模型记东西有一套周期性的"记忆盲区"，同一条信息换个位置，命运完全不同。知乎
一个无聊到近乎诡异的实验
字节 Seed 团队在论文里做了个简单到"找茬"的实验：让 DeepSeek-V4-Flash 补一段代码，光标停在 `T.Cast(FP`，正确续写是 8（写 32 会和外层重复）。
然后只干一件事：在代码前面加一段没用的装饰注释，一个 token 一个 token 地把它拉长。 代码一个字没动、问题一个字没改，只是整段内容被往后平移了几位。结果诡异了——模型的答案以 4 为周期，在 8 和 32 之间来回翻转：注释长度落在某几个位置它就老老实实选 8，落在另几个位置它转头就选 32。两个答案的概率差在 -0.79 到 +0.95 之间反复摆动，64 组输入里有 60 组严丝合缝地服从这个周期。翻译成人话：多打几个空格，AI 就可能答错。 这不是玄学，是结构。知乎
盲区是怎么"压"出来的
大模型这两年的卷法很直白：卷完参数，卷上下文，最后卷成本。到了百万 token 时代，卡脖子的东西具体成了一块——KV cache（模型的"短期记忆缓存"）：上下文每翻倍，显存和算力开销就实打实翻倍，长文本从"不支持"变成了"用不起"。
DeepSeek-V4 把上下文推到百万 token，靠的不是魔法，是压缩——官方报告里每个 token 的推理算力只有前代的 27%、缓存占用只有 10%。压缩的做法是把连续的 token 按固定窗口切块、每块压成一条摘要（窗口 8、步长 4）。知乎
关键设定在这：压缩发生在模型"看到你的问题之前"。 写缓存时它并不知道未来会被问什么，只能盲目决定保留什么、丢掉什么。于是每个 token 除了"在第几个位置"，还多了一个坐标——相位（位置除以步长的余数）。同一条事实落在不同相位，跟谁挤进同一条缓存、被记得有多清楚，天差地别。这就是"性能漂移"的真身。
它不是偶尔抖，是有函数曲线的
一个例子可能是巧合，研究者于是上了长上下文的标准体检：128K 的"针里捞针"——塞进 1.6 万组"键→值"记录，把要问的那条藏在里面，只让目标信息的位置在 8 个相位间平移，其余全部钉死。
结果：DeepSeek-V4-Flash 的检索准确率，从最低的 29.69% 一路起伏到最高的 69.92%，相差 40.2 个百分点，而且这条曲线不是乱抖，是以 4 为周期规律起伏。作者的原话很狠：“这不是噪声，是函数。” 为了排除"是不是 DeepSeek 别的因素背锅"，他们还拿 Qwen3-0.6B 从零重训了一整个模型家族，23 个压缩变体加满血基线，唯一的改动就是有没有压缩——盲区照样出现。知乎
最阴的一点在于：这是一种"被平均掉的失败"。 光看跑分总分，模型一点都不难看；可你根本不知道自己是站在周期的波峰，还是波谷。你体感里的"AI 时灵时不灵"“幻觉越来越多”，很多就落在这里——本来靠交叉验证能排掉的错误信息，恰好卡在盲区相位上，被 AI 当成正确的写进了答案。你上下文和联网资料里塞的污染越多，这个盲区就越会把它放大。而且不止一家：多种 KV 压缩设计都复现了这套相位敏感，模型内部还出现了"注意力头分工管不同相位"的现象。知乎知乎arXiv
作为普通用户，能怎么办
这篇论文不是让你卸载 AI，而是给你几个立刻用得上的动作：
重要的事，换个顺序再问一遍。 同样的内容调一下位置、拆成短问，如果答案稳——可信；一挪就变，多半是踩到盲区了。
别把一整篇长文连着糊上去。 关键信息尽量放在显眼处，或者干脆做检索（RAG），少让它被压进某条摘要里"听天由命"。
联网搜来的料越多，越要自己交叉验证。 AI 语气越自信，越不代表它对——尤其在它"看不见"的那些相位上。
想省钱、想要百万字，就要接受一点"可靠性税"。 这是整个行业当下绕不开的取舍：压缩省了算力和显存，代价就是长记忆里那些周期性的坑。目前更稳的方向（比如 token 级的注意力索引）已经在试图把这些盲区消掉，但还没成标配。
写在最后
论文 9 月底就挂上了 arXiv，却在 11 月 9 日重新被顶上热榜——因为它第一次把那句模糊的"AI 又降智了"，说成了一个有周期、有函数、能复现的具体结构。所以下次你怀疑 AI"突然变笨"，别急着怀疑自己的提问：它可能只是刚好把答案，挤进了自己的记忆盲区。
