学霸DeepSeek降维打击上热搜:截图梗未证实,降价与开源是真的

源自81位全网作者

10-20 15:35

学霸DeepSeek降维打击上热搜:截图梗未证实,降价与开源是真的

热榜词条"学霸DeepSeek降维打击",是一场社区拟人化狂欢撞上一叠真实账单的结果。最近几天疯传的疑似DeepSeek内部员工群聊截图里,“没刷榜、分数却控制不住地涨"成了最出圈的梗;而梗的背后是两件实打实的事——10月17日上线的V4.1 Flash-1017模型更新,以及10月20日宣布的全面开源。所谓"降维打击”,打的是行业"刷榜+高溢价"的老剧本:用更低的单位任务成本,顺带把家底开源了出去。36氪

梗归梗:截图未获公司证实

截图里那位ID为"非对称加密"的员工称自己"真没刷"DeepSWE,疑似后训练团队负责人吴俣接话调侃"最近在工位玩游戏的太多了"。这些说法来自推特流传的图片,DeepSeek公司本身未作确认。10月19日,Tech商业在36氪发布《DeepSeek学霸的降维打击:没刷榜,在工位打游戏,模型能力却控制不住地涨》,把梗直接写成了标题,热榜词条正是从这轮传播里凝练出来的。Tech商业

数据归数据:77.0%是官方自测,便宜是真便宜

段子可以存疑,DeepSWE衡量AI编程智能体解决真实代码库问题的成绩单做不了假:在DeepSeek公布的DeepSWE v1.1评测图中,新版本最高通过率(Pass@1)达到77.0%,上一版本最高点约74%,DeepSeek V4 Pro的标注点约63%。 这张图出自厂商自测,与第三方榜单不能直接对标,但它把行业回避的问题摆上了台面:最高成绩出现在每项任务平均费用约1.3元的位置,显著低于图中不少性能接近的海外模型。36氪

开源掀的是最值钱的那层

如果说降价是常规动作,开源才是DeepSeek的习惯性肌肉展示。10月20日,DeepSeek宣布在已开源大模型、TileLang编译工具及推理算子库基础上,进一步全面开源内部推理框架DeepInfer,官方称目标是大模型普惠。 按官方说明,DeepInfer负责统筹调度算力集群,效率直接决定AI服务的算力成本与电力消耗,它支持分布式推理、推测解码、结构化输出等能力,兼容英伟达与华为昇腾平台,同步开源的还有与官方API处理逻辑完整对齐的生产级Token编解码组件deepseek-recipe。微博

时间线上还有一道禁令

外部环境给这轮叙事添了把火:10月19日,美国国土安全部公开一项针对DeepSeek的禁令公告,要求美国联邦文职机构从信息技术系统中移除DeepSeek产品及基于DeepSeek技术开发的第三方产品和服务,并禁止今后采购,路透社、Politico均有报道。 微博上的认证财经博主进一步划了边界:不限制美国个人与私企使用,可申请豁免,属于政府采购供应链管控而非全国封禁。 次日的全面开源因此被许多网友读出"掀桌子"的意味,但禁令与开源之间的因果,DeepSeek并未确认。香港文匯網微博

词条之外,用户真正能用上的三件事

第一件,V4.1 Flash-1017已更新至官方网页端、APP与API,按官方披露,API输出token每百万价格较上一版本下降约20%,且腾讯CodeBuddy等编程工具已获针对性适配。 第二件,自研搜索的Search与Fetch接口向开发者开放,每1000次成功请求5元、请求失败不计费。第三件,DeepInfer与deepseek-recipe进入开源仓库,做私有化部署的团队现在可以自己上手验证推理成本。至于"学霸"人设——它始终是社区给DeepSeek穿的外套;截图真假另说,降价账单与开源代码,是此刻人人都能复验的东西。36氪

内容由AI生成

精选参考来源

1. DeepSeek学霸的降维打击:没刷榜,在工位打游戏,模型能力却控制不住地涨

2. 夯爆,DeepSeek又拿下全球第一

3. 【中信建投:建议关注企业级AI应用、算力服务及国产芯片和超节点】中信建投指出,10月17日,DeepSeek更新V4.1 Flash,DeepSWE由74.2%升至77.0%,API价格不变,并开放搜索与抓取接口。在三方测评中,新版在Pi框架high档位下全部通过隐藏测试,平均每任务费用0.045美元,较同表GPT-5.6 Sol medium档位低77.7%。此外,智谱发布法律专用模型,阶跃披露长程Agent训练方案。国产模型能力、调用成本和工具配套改善,有望推动企业工作流应用与推理需求增长,建议关注企业级AI应用、算力服务及国产芯片和超节点。

4. DeepSeek第一,MiniMax第二,国产Flash双子星杀疯了

5. 不到72小时,DeepSeek和MiniMax双双交卷,Flash集体挑战旗舰

6. 年内第18次宕机,融资千亿的DeepSeek反而更脆弱了?

7. 这次DeepSeekV4.1的后训练算法基本没变。他们发现在当前阶段,对数据和环境流水线进行工程化改进所带来的边际收益,远远高于在后训练算法上追求创新所带来的收益。技术报告里是这么说的:“在本次发布中,我们没有引入新的后训练算法。整体方案遵循标准范式:先进行监督微调(SFT),随后进行强化学习(RL)和同策略蒸馏(On-Policy Distillation,OPD;Gu et al., 2024;Lu and Lab, 2025),在算法层面并未做出超出成熟实践范围的修改。相反,我们几乎将全部精力集中在模型训练所使用的内容,而非模型如何被优化上:我们投入建设大规模、自动化的数据合成与环境构建流水线。具体来说,这套流水线:1. 合成多样化、可验证的训练任务,并同时生成相应的参考答案和奖励信号;2. 以程序化方式构建并扩展交互式智能体环境,使得可以低成本地收集并评估模型的行为轨迹;3. 通过严格的筛选、去重和难度校准,确保数据质量以及课程学习中的难度平衡。我们发现,在采用固定且并无特别之处的优化流程时,系统性地提升合成数据与环境的规模、多样性和可验证性,几乎可以解释我们所观察到的全部性能提升。这一观察也呼应了一个更普遍的经验:在当前阶段,对数据和环境流水线进行工程化改进所带来的边际收益,远远高于在后训练算法上追求创新所带来的收益。”

8. DeepSeek 又甩下一记「便宜又能干」:V4.1-Flash-1017 已上线,权重 MIT 开源。10 月 17 日更新要点(据官方模型卡):· DeepSWE 77.0|Terminal-Bench 4.0:31.2→42.3· 输出更短、任务更快,官方称性能/成本 Pareto 改善· HF / ModelScope 可下权重;API 名 deepseek-flash 不变· 顺带开放 Search & Fetch 搜索 API点评:开源阵营继续卷「同档更便宜」。榜单多为官方自测,落地还得看你的 harness 和验收标准——别只追分,盯任务成本。来源:Hugging Face 网页链接X 话题 网页链接(约 2026-10-17~19)#DeepSeek #人工智能 #开源 #大模型 #AI #科技资讯

0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章