DeepSeek V4 Pro翻车之谜 居然被字节扒出来

DeepSeek又上新模型了？ 是的，前两天服务器崩溃刚刚送完钱，转手就掏出了V4.1 FLash的1017新版本。 这下实锤了，什么崩溃，明明是上新前想给大伙儿送点福利罢了（bushi。。。 不过话说回来，这次的Flash我们还在测，今天世超想聊聊的，是为什么更新的又是Flash模型，V4Pro又到哪里去了。 毕竟那可是差点把梁圣干成牢梁，还下架又上架，秽土转生了一波的神奇模型啊。 就没人解释解释，V4 Pro到底哪儿出毛病了？ 诶，有的兄弟有的，这不， 隔壁字节的 Seed 团队就挖出来了一些线索，说是模型的上下文压缩出问题了。。。 扒拉完这篇 Seed 的论文，世超觉得，这车翻得不冤，但大蓝鲸它也真没毛病嗷。 具体来说，V4 Pro 这回不是单纯的记性变差了，而是患上了某种有规律的选择性失忆。 论文里，研究人员拿 DeepSeek 自己的推理代码做了个实验，让 V4 Flash 补全一段代码。 结果发现，只要往前面的注释里加几个无关紧要的等号，上下文变长点，模型就会在正确和错误答案中间反复横跳。 而且这玩意儿还不是随机的，每隔 4 个 Token，就会重复一轮。 按论文里的专业说法，这叫相位敏感性。 翻译成大白话就是 V4 Pro 这条大鲸鱼非常挑食，你给它的上下文，它会挑着吃。 如果大伙儿经常用 AI，应该能感受到，模型的注意力一般集中在头和尾，中间信息经常丢失。 这回的发现则更加细致， 不只是提示词整体，每个小部分里面，同样的信息，你给它调调位置，人模型可能就不乐意看了。 好家伙，谁给我小鲸鱼整这么矫情了？ 研究者们继续挖，发现原来跟 V4 Pro 的压缩策略有莫大关