DeepSeek“推倒重來”
DeepSeek 日前正式推出 V4.1 Flash 版本，不僅運算速度顯著提升，回答準確度也有所增強，同時導入原生多模態能力。這款新模型一經上線便獲得廣泛好評，創辦人梁文鋒再次被業界譽為「梁聖」。然而，V4.1 Flash 最引人關注的變革，並非只是效能升級，而是整個模型架構的「推倒重來」。相較於前一代 V4 Flash，V4.1 Flash 採用了截然不同的非對稱結構。這意味著，DeepSeek 團隊在 V4 架構上累積的訓練配方、優化技巧與工程適配，到了 V4.1 幾乎全部得報廢重來。
對於一家已從早期小作坊成長為擁有數百名員工的企業而言，重新打造一套全新架構不僅耗時費力，更是一項極具風險的決定。即便如此，梁文鋒仍毅然選擇從頭來過。為何要對 V4 架構徹底翻新？外界一度猜測新結構只是行銷話術，但答案其實就藏在 V4.1 Flash 的官方論文中。根據論文說明，舊有的模型架構已經無法容納新的訓練目標。這個目標，很可能就是「入口」（Entry Point）——也就是 DeepSeek 自主打造的 Agent 平台 DSH。傳統的開發流程是先有模型，再根據模型特性構建對應的 Harness（框架）。然而 V4.
1 Flash 的誕生路徑卻正好相反：它是由 DSH 平台「反哺」出來的產物。官方論文指出，V4.1 Flash 的後訓練階段遵循標準的監督式微調（SFT）、強化學習（RL）、以及在線蒸餾（OPD）範式，演算法層面並無改動。真正的關鍵變化，全部集中在數據流水線中。DeepSeek 團隊在數據流水線裡導入大規模自動合成機制，產出大量的 Agent 任務與環境，並隨著訓練進程逐步擴增數據量、任務種類與試錯輪次。在強化學習階段，模型被放到六種不同的 Agent 框架中反覆嘗試錯誤，涵蓋多樣的操作模式。其中，DSH 扮演了最重要的角色，V4.
1 Flash 甚至針對 DSH 的各項操作模式進行了定向訓練。DSH 從 V4 Pro 時代的附屬產品，一躍成為 V4.1 Flash 的核心驅動力。這項轉變凸顯 DeepSeek 不再只是單純追求模型本身的參數或架構創新，而是將目光轉向如何讓模型真正嵌入實際應用場景。梁文鋒過去多次強調「應用才是護城河」，V4.1 Flash 的發展路徑正好呼應這項理念。值得注意的是，V4.1 Flash 雖然採用了全新非對稱結構，但模型在推理階段的效率與準確度都獲得明顯提升。業內分析認為，這樣的架構變革有助於模型在處理複雜多輪任務時，更靈活地分配運算資源，從而降低延遲並提高回應品質。
而原生多模態能力的加入，也讓 V4.1 Flash 能同時處理文字、圖像等多種輸入，進一步拓展應用邊界。從戰略層面來看，DeepSeek 這次「推倒重來」並非盲目追求技術顛覆，而是基於對未來發展方向的清晰判斷。當舊架構無法承載新的訓練目標時，與其修修補補，不如從根本上重塑模型。這一步雖然代價高昂，卻為 DeepSeek 在 AI 應用入口的布局奠定了更扎實的基礎。隨著 V4.1 Flash 的推出，外界也開始關注 DeepSeek 下一步的動向。梁文鋒是否會繼續在架構上進行顛覆性創新，或者將更多資源投入生態系統的建構，仍有待觀察。
但可以確定的是，這次「推倒重來」已經讓 DeepSeek 在 AI 競賽中走出了與眾不同的路線。
Related
相關文章
美國 AI 巨頭提議開發減速，歐洲同行和政界並不認同
作者：清源 責編：清源 評論： 9 月 18 日消息，據路透社今天（18 日）報道，此前，阿莫迪、奧爾特曼和馬斯克先後發出警告，能力不斷增強的 AI 系統可能帶來風險，故有必要控制其發展節奏，但歐洲企業和官員對此表現出明顯懷疑。法國初創企業 Mistral 在聲明中指出，這些風險早在幾個月前就已十分明確了。
MiniMax Code CLI 正式開源，在評測中取得 76.7% 的任務通過率
作者：沁滄（實習） 責編：沁滄 評論： 感謝網友 Domado 的線索投遞！9 月 18 日消息，MiniMax 今晚宣佈，MiniMax Code CLI 的 v0.4.12 版本面向全球開發者正式開放，並且以 MIT 協議正式開放源代碼。
北京發佈“詞元經濟十條”：高標準建設詞元工廠，推動關鍵核心技術攻關
作者：浩渺 責編：浩渺 評論： 感謝網友 蛋殼兒 的線索投遞！9 月 18 日消息，北京市經濟和信息化局今日宣佈，北京市“詞元經濟十條”正式發佈。為貫徹落實《國務院關於深入實施“人工智能＋”行動的意見》（國發〔2025〕11 號），率先培育智能經濟新形態，以詞元（Token）為抓手，發展詞元經濟新增量，制定《北京市加快詞元經濟發展的行動方案（2026—2028 年）》（注：以下簡稱《行動方案》）。
PrismML Releases Ternary Bonsai 2 27B: A 5.9 GB Apache 2.0 Model Retaining 98.2% of Qwen3.8 27B Performance
PrismML has released Ternary Bonsai 2 27B, a ternary-weight version of Qwen3.8 27B. The language model occupies 5.93 GB, against 53.80 GB in FP16. PrismML reports that it keeps 98.2% of the parent model’s average across 20 benchmarks.
OpenAI剛曝光循環架構，這家公司更早將其用於世界模型
鍵詞只有一個：循環。 Astra採用了一種被稱為“循環深度”（Recurrent Depth）的架構，本質是讓同一組Transformer層被反覆複用，用更少的參數實現更深的計算。 這被外界視為OpenAI對傳統“堆參數、堆算力”路線的一次重大修正——不再只是把模型做大，而是讓模型學會“反覆思考”。 消息一齣，整個AI社區迅速升溫。
千問辦公接入高德門店經營專家套件 提升實體店選址與經營效率
此項新功能自9月18日起正式上線，用戶只需在千問辦公添加相應套件並完成高德賬號授權，即可實現從門店選址到日常經營分析的全鏈路工作。隨著實體商業的不斷發展，傳統的人工選址和經營分析方式顯得效率低下且容易出錯。個體創業者在開新店時，往往需要花費大量時間進行實地勘察，整體耗時可達一週，而商家在監測門店熱度變化及競爭對手動態時，也面臨數據整理繁瑣、分析結果不準確的問題。