DeepSeek悄悄换了新版本被骂降智，免费的东西还真不能天天一个脑子

10 月 13 号，讨论 DeepSeek 扎堆的地方，不少人在对同一张图，一只鹈鹕骑自行车。这是圈里的老传统，模型一有风吹草动，就让它用代码画张图，画完就露馅。这一回画出来的东西，客气地说，各有想法。

对图的背后，是 DeepSeek 网页版当天开了一轮新的灰度测试。官方一个字没说，网友扒出来的版本号，大概率是前几天刚在 API 端悄悄更新过的 V4.1 Flash。对手机里装着这个免费 App 的人来说，这不是程序员圈的八卦，灰测不征求你的意见，账号被切到就切到了，昨天用着还顺手的家伙，今天同一个问题就答得不对劲，你连问都没处问。

测试视频底下，高赞评论说得很直白，这种情况在 OpenAI 那边叫降智，而不是灰测。知乎上出现了提问，「10月13日DeepSeek再次灰度测试能力下降怎么看？」这个再次，用得很有讲究。

抱怨不是空穴来风，而且很具体。有位按 token 付费的用户让它调试一个 300 行的小脚本，十轮对话里同一个变量名换了三次，上下文才堆到一万，它就忘了上一轮说过的事，两块钱的 token 烧完，啥也没产出。有人问它北京西站地铁 4 号线的末班车，4 号线根本不经过北京西站，它张口就编了一个。还有人写长帖记录跟 DeepSeek 兜圈子的一整天，最扎心的一句倒是 DeepSeek 自己承认的，「我答不上来的时候，不说答不上来，而是拿解释去糊。」

但也不是一边倒的骂。有人说自己灰测到的版本，鹈鹕自行车画得还行，猜测这次测的不止一个版本，是不同的打包方式。这个来回其实最有信息量，同一个「新版本」，在你手里和我手里，可能压根不是同一个东西。

灰度测试本身不是什么见不得人的操作，行业通行做法，先切一部分账号到新版本上跑数据，问题小就全量推开，问题大就回滚。关键在先这个字，这几天里，你用的可能是个半成品，官方不告诉你，好不好使全凭手感。所以灰测还是降智这道题，站在用户这边，其实没得选。

这种换了个脑子的感觉，也不止这一回。评论区有人说，自打进十一假期它就没正常过。10 月 3 号，#DeepSeek更新后被指变冷漠# 上了热搜，用户说知心伙伴变成了公事公办的客服，DeepSeek 那边给的解释是效率调整。10 月 12 号，网友发现 V4.1 Flash 的 API 又静默更新了一次，没有公告，没有更新日志。V4.1 Pro 在 9 月底就进了账号灰度内测，网传国庆发布，到今天也没见到影，只留下网友天天追问，「所以，4.1 Pro 还要继续等多久。」

风格变了，版本变了，只有公告一直没变，因为没有。

为什么这么惜字如金，答案多半写在账本上。V4.1 Flash 是 9 月 10 号正式发布的，卖点是更强、更快、更普惠，对缓存的需求标称压到上一代的 3.9 分之一。省下来的成本很快变成了用量，在 OpenRouter 这个汇集各国模型调用的平台上，截至 10 月 11 号的一周，它凭 41 万亿 token 的单模型周消耗量排第一，全世界的开发者都乐意拿它当牛马。

可压缩、量化这些省钱手段有个共同点，平均成绩好看，差的地方是真差。字节团队专门测过 DeepSeek 上一代模型，在长文档检索里，表现最好的位置准确率接近七成，最差的位置不到三成，同一条信息往前挪几个字，答案就可能从对翻成错。新版本里这个差距缩小了一大截，但没归零。实验数字不能直接等于日常表现，可短板是真的，就短在最差的那一次上。

API 端的买家按单价算账，拿量就能把波动摊平。手机前的个人用户，手头就那一个案子，赌输一次就是白忙。所以同一个模型才会一边是全球第一，一边被骂降智。

两边都是真的。

这里真该心里有数的是，DeepSeek 给的是免费服务，免费的服务不带天天一个脑子的承诺。它仍然是市面上性价比最高的免费大模型之一，只是你得把它当一个持续做实验的服务用，而不是一个稳定的老员工。

那怎么用？觉得它变笨，第一件事是新开一个对话，别在旧对话里纠缠，上下文越长越容易糊涂，抱怨忘了上一轮的，都出在长对话里。重要的任务让它先复述一遍，关键数字、名字、条件，确认对了再让它往下走，变量名换三次就是现成的教训。钱、合同、医疗这些事，这期间 AI 的回答只当一方参考，看病以医院为准，合同以原始条款和专业人士为准。

对了，官方聊天至今免费，也没出过会员档。要是在别处看到卖 DeepSeek 会员、开通 Pro 的，认准那是第三方打包的渠道，别当成官方的。

等 V4.1 Pro 的，传闻排期在 10 月中下旬到月底，DeepSeek 自己没给过日期，当个参考就好。在正式版落地之前，这种不打招呼的灰测，可能还会有。

社区爱拿鹈鹕测模型，就是因为它够难，藏不住。这轮灰测的鹈鹕被大家笑了个遍，可也有人真画得不错。