字节论文撕开了DeepSeek“降智”的底：你说的有些话，它是真没看见

“昨天还基本上能完成功能开发，今天就不停犯错。”小红书上有人用DeepSeek写代码，留下这么一句。这不是个例。这两个月，“DeepSeek降智了”是各大平台的常青话题。有人说它生成东西逻辑错误越来越多，有人说一觉醒来它降智了，连原来聊得好的窗口都不敢再打开，怕它变成口齿不清的人机；有人跟它纯聊天，发现它车轱辘话来回说，甚至把自己和用户混为一谈，一本正经地声称自己“作为读者”被剧情恶心过、因为某个角色死了而弃文。还有人怀疑，是官方为了省算力在偷偷降级。

也确实有人反过来说，4.1版本之后一直很稳，几乎不降智。同一个模型，两种完全相反的体感，到底谁对？DeepSeek是国内用的人最多的免费AI助手之一，不少人拿它写代码、写报告、写文书，干的是正经活，这个问题值得一个认真的回答。

这回答案来了，来路还有点出人意料。

字节跳动。

这两天，字节跳动旗下做豆包模型的Seed团队，用一篇论文把DeepSeek的“时神时鬼”钉到了架构层面的缺陷上。结论比任何用户吐槽都更有冲击力。你说的有些话，它是真的没存进记忆里。

DeepSeek V4为了用极低的显存跑超长文本，用了一个非常省内存的记笔记办法。每向前4个token，就把附近8个token的内容压缩成1条来存。token大致对应一个字或半个字，你可以想象成每隔几个字，就压扁一段存起来。

普通模型和V4的差别就在这。普通模型，你开头多写一句“你好”，多打一个空格，意思没变，它读文本的方式也不变。V4的笔记是按固定位置下刀的，同一句话，位置错开几个字，落进的槽位就不一样了。

落在好槽位，压得近乎无损，还能顺手滤掉无关的噪音，表现甚至能比不压缩更好。落在坏槽位，那条信息在物理层面就没进内存。模型的推理能力再强，也掏不出没存下的东西，只能按统计规律凭空编。在你看来是“胡言乱语”，在它那里是“没看见”。

知乎上有个回答把这个机制总结成“对齐了就是超神，进盲点就是超鬼”，拿到了六千多个赞。用户骂了几个月的神鬼二象性，这回有了架构层面的解释。

更硬核的是对照实验。为了排除“工程师调参偷懒”的可能，Seed团队拿一个开源小模型从头复刻了这套压缩结构。把位置编码去掉，没用；把可学习的压缩换成最笨的均匀平均，还是没用；把“每4个切一刀”改成6、8、12，模型性能波动的周期就分毫不差地跟着变成6、8、12。

设成几，就按几的节奏犯鬼。这不是bug，是这条技术路线自带的缺陷。只要按定长切笔记，盲点就必然存在。

对家团队做这个研究，难免有人怀疑是挑刺。但论文挂在arXiv上，对照实验写得明明白白，方法谁都能复现，这份证据不依赖立场。

有网友借此说国产大模型还是不成熟，被“降智”坑过的人，火气是真实的。但分块压缩这条路线，是行业里把长文本跑便宜的共同选择，谁走这条路，谁就有同款毛病。DeepSeek先被抓出来，是因为它开源、用的人多、容易被观测。

而且DeepSeek自己早就知道不对劲。4.1版把压缩粒度砍半、换了结构，盲点显著缓解。但论文的判断也很清楚。缓解，不是根除。只要还按定长切块，神鬼二象性就没法彻底消掉。

当然，评论区的“降智”吐槽多数是体感，多少归于这个盲点，多少归于网络拥堵、版本切换，谁也拆不开。但盲点本身，是被对照实验钉死的。对拿DeepSeek干正经活的人来说，能做的事其实不复杂。

遇到明显犯蠢的回答，先别急着骂，也别急着删。把问题加减几个字、换个说法再问一遍。这不是玄学，论文机制直接推得出来。内容的位置挪一挪，就可能从盲点挪进好位置。同一件事，问一遍是鬼，再问一遍是神，这下你心里有数了。

再一个要改的，是“一口气全丢给它”的习惯。文本越长，能踩进盲点的地方越多。长文档丢进去之后，别指望一次追问就万事大吉，把最关键的几个点拆开单独问，让它挨个回答。

最后一条，本来也要说。要紧的事，人工复核。数字、药方、合同、代码，模型平时答得再顺，也让人再核一遍。以前这条建议靠自觉，现在有了架构层面的理由。它的笔记本里，确实有几页被压没了。

“昨天还基本上能完成功能开发，今天就不停犯错。”它不是变懒了，也不一定是偷偷减配了。昨天你的话落在看得见的槽位，今天落进了盲点。下次它开始胡言乱语，先换个说法再问一遍，再决定骂不骂。