10月13日，DeepSeek在官网与App的前端入口开启新一轮灰度测试，测试者拿前端代码、游戏生成类任务摸底新模型水平，评价迅速两极：知乎上，"10月13日DeepSeek再次灰度测试能力下降怎么看？"成为当天讨论的焦点。 B站流传的实测视频标题更直接——【奇区无比？】Deepseek突现1013灰测前端是什么水平？ 不过在断定"降智"或急着找路子"上车"之前，先把三件事看清楚：灰测体验天然波动、资格没法靠野路子刷出来、测试版不能当生产基准。知乎哔哩哔哩
坑一：用单次会话给模型定性——"时神时鬼"是结构性的
被抽中后先别急着下结论。大模型公司上线新能力时，通常不会一次性把所有用户切到新版本，而是采用灰度。 这意味着你碰到的往往是"实验现场"而非成品。更关键的是，这种波动有机制层面的解释：字节Seed团队的论文发现，DeepSeek-V4的表现竟然会随着信息的输入位置，每隔4个Token周期性变化。知乎36氪
实测层面的反馈同样印证了波动的存在。在9月底的v4.1 Flash灰测中，有用户反馈：极简模式下输出速度可达1000 tokens/s，到了当天下午只剩约100 tokens/s，输出质量同步起伏。 量化的差距更直观：128K长上下文"大海捞针"检索中，同一条信息只是换了个位置，V4系列模型的检索准确率最高就能拉开40.2个百分点。小红书36氪
所以，单次对话的惊艳或拉胯都不构成证据。同一道题换几种问法、把关键信息挪个位置再测，比一次体感可靠得多；重要任务最好保留多个模型入口，按任务挑最合适的用。知乎
坑二：用非官方手段"冲"资格——放量是服务端随机派发
从九月中旬的语音功能灰测开始，DeepSeek就没有公布过灰测的入口条件和放量范围：测试到的用户在App右上角看到小喇叭，设置里多出"朗读音色"，没被覆盖到的用户则怎么刷新都没反应。 派发节奏同样是随机的，有用户记录：九月底就有人被灰测到，自己直到十月初才轮上。小红书小红书
而"抽不中"衍生出一批野路子攻略：有人称卸载重新安装App就出现了语音入口，自己照着做还说"没想到是真的"。 还有教程声称"没有开启灰测的可以输入神秘代码解锁"。 这些都只是个人经验谈，未获官方认可，也改变不了服务端对账号的派发结果。别为蹭一个随机体验，去装来源不明的"激活工具"或套用未知代码，赔上的是账号与隐私。小红书小红书
坑三：把灰测版当生产基准——它是"中间版本"，名字里写着到期日
9月8日，DeepSeek官方宣布开始V4.1 Flash的中间版本内测，并称其采用新的模型结构、原生多模态，能力更强、速度更快、成本更低。 注意当时开放的API测试模型名：deepseek-v4.1-flash-expires-on-0910——“expires-on"即"将于某日到期”，内测通道被直接标注了失效时间，计费与正式版相同、每账号限流20并发。官方称其为"中间版本"，这本身就是提醒：通道会到期、能力还会变。小红书
Seed团队的同一项测试显示，V4.1-Flash-0910已把位置波动的检索差距收窄到6.1个百分点，但周期性差异依然存在。 你今天摸到的既不是终点，也不代表正式版。36氪
正确的用法是给它划线：体验灰测请用新建的独立会话，别和沉淀了上下文的长期任务混在同一线程；不要把测试版输出固化成长期提示词、评测基线或直接发布的成品；开发者不要把内测模型名写死进生产调用。截至10月13日，官方尚未公布本轮前端灰测的模型名称与全量时间，社区里"封神"和"降智"两种声音都不必当作最终答案——等到正式版发布，结论自然落地。
