DeepSeek在短短一个星期的时间里, 已经发生了两次服务停摆的情况了。这事情的背后, 并不是什么流量突然间暴增那么简单的事儿。其实, V4.1 Pro这个版本已经在悄悄地开始搞灰度测试了。而正式版到底啥时候发布, 那个时间窗口, 正在一天天靠近中。
01.一周两断服务并非偶然
快科技在11月8日这一天进行了报道, 说的是DeepSeek服务在昨天又出了一回短暂的暂停使用的事情, 这已经是该服务在一周之内第二次发生类似的状况了。
官方的渠道并没有对此原因发布任何正式的回应说明, 但是如果把灰度测试的时间线结合起来看的话, 我们可以做出一个看起来比较合理的推断, 那就是算力的资源被分配给了新开发的版本, 也就是新版的服务得到了更多算力的倾斜。
此前V4 Pro-0813版本上线已近三个月, 用户量持续增长, 算力压力本就较大。叠加大模型版本迭代所需的压测资源, 服务波动在技术层面可以解释。
02.灰度测试悄然启动
在11月6日的时候, 有不少用户反映说, DeepSeek V4.1 Pro这个产品, 现在已经进入到灰度测试的一个阶段了, 至于早期那个测试的情况, 主要是拿一些像鸬鹚骑自行车这种创意任务, 还有动画渲染之类的任务来作为测试的内容, 因为没有一个统一的评判标准存在, 所以说整个结果的可靠程度还是不太够的。
真正具有参考意义的测试成果, 是由AI科普领域博主、同时也是LobeHub客户端开发者的MaxForAI所完成的。他利用了名叫内部LobeBench的测试集合这个工具, 给新版的情况进行了系统的方面进行对比操作, 所以产生出来的那些数据表现, 是更加具备让人信服的说服力量的。
03.LobeBench实测数据亮眼
根据MaxForAI公布的对比结果来看, V4 Pro-0813版这道50道题的题里通过了24道, 正确率是百分之48, 在全球排名中排在第13位。而最新的V4 Pro最新版本在这里头通过了32道, 正确率提升到了百分之64。
新版排名的得分上升到了国产模型里的第一, 提高的幅度是16个百分点。其中有8道额外的任务全都通过了, 并且这8道任务全部都是Hard这种高难度的级别, 这说明这个模型的推理深度有了实打实的突破。
04.连续三次完成排除偶然
maxforai这边是专门提到了, 如果大家只是去看那个至少一次就做对的分数, 那么这两个版本之间的差距其实是不大的。真正把距离拉开, 达到了十六个百分点这么大差距的那个关键的指标, 其实是连续三次都能完成任务的那种能力。
这一种设计给处理了, 把单次推理里面的那种随机性因素给排除了。连续稳定通过这样的状况, 说明了它在复杂的多步推理当中的可靠性得到了提升, 提升了一个很大的数量级。这不是依赖于某一次偶然的命中才得到的结果。
05.正式版发布窗口临近
现在这个V4 Pro-0813版本上线到现在, 时间已经差不多快到三个月了。按照业界大家常说的习惯来说, 一个大版本的更新周期, 通常都是在90天左右的样子。有好多开发者都预测到了, 那个V4.1 Pro的正式版本, 应该会在这周过去之后, 也就是接下来的这一段时间里发布出来。
在灰度测试这个阶段里面, 模型悄悄地完成了更新动作, 而用户们在终端上能够清清楚楚察觉到的那些性能提升的情况, 正是为了正式版登场所做的预热铺垫事情。对于具体的发布日期这件事儿来说, DeepSeek这个名称还没有进行正式公布操作。但是, 关于时间范围这个东西来讲, 现在已经变得相当清晰且明确了。
06.国产大模型格局或将重塑
V4.1 Pro这款产品, 要是它能够在正式的发布场合, 展现出64%的LobeBench这一成绩, 那么它就会在国产大模型里面, 牢牢地占据住性能方面的第一名这个位置, 并且还会对同一级别的那些竞争对手们, 形成非常直接的一种竞争压力。
此前, “Pro大模型”的所谓定位曾经在人们口中引起过很多争议与质疑, 而眼下的这一次能力大幅度增强非常有望让老 Users 们改变之前的固定看法。眼下在国产的大模型这个领域里, 竞争已经正式进入到一个新的阶段, 这个阶段的核心衡量指标是模型的深度推理水平。
你说V4.1 Pro正式版会不会在下一周按照原计划上线, 请在评论区留言进行探讨, 点赞并且分享给同样关注国产大模型进展的朋友。
