梁文锋曾在投资者闭门会上说，" 我们没有在 C 端上花很多力气，甚至一度我们都不想维护那些用户了 "。可现在看来，梁文锋是口是心非，嘴上说不在乎 C 端，实际上非常注重 C 端。

DeepSeek 在 10 月 17 日发布的 DeepSeek V4.1 Flash 1017 中，最大的特点就是支持 " 许愿式编程 " 了。用户只需要跟 DeepSeek 说想法，不需要各种参数、细节、素材，它就能替用户完成整个生产闭环。

这是一个典型的 "to 小白 " 功能，资深工程师们都不一定用得上这个功能，毕竟他们能给模型输入完整的提示词，不需要 " 许愿 "，直接 " 下命令 " 就可以了。可见 DeepSeek 有多么在乎 C 端用户体验。

除了许愿式更新这一核心亮点以外，新版本还通过基于自反馈的强化学习训练，提升了在游戏开发、3D 建模等方面 " 从零开始构建完整项目 " 的能力。

下面这些视频是由 V4.1 Flash 1017、Gemini 4 Argon 以及 GPT-6 Luna 所生成。

还有一个细节，V4.1 Flash 1017 发布当天，官方宣布开放由 DeepSeek 自研的 Search 和 Fetch 两个接口。

Search 和我们常用的搜索引擎一样，给一个查询，返回相关网页的结果列表。Fetch 更像是服务 Agent 的接口，给一个网址，把网页内容抓下来，整理成模型读得懂的文本。

" 许愿式编程 " 到底是什么？

" 许愿式编程 " 并非什么新鲜概念，它是指，你只要跟 AI 说出你的需求，AI 就会自己把它拆解成任务，然后写成代码，验证完成后，最终 AI 就会把一个完整且能运行的东西交到你手上。

比如你要一辆车，那 V4.1 Flash 1017 就会一颗螺丝钉、一颗螺丝钉地给你造出想要的汽车。

乍一看，许愿式编程和 Agent 几乎没有差别，可实则不然。Agent 是一种技术形态。是模型加上终端、文件、浏览器、搜索这些工具，模型通过推理任务，选择调用不同的工具，最终在这些工具的帮助下完成任务。

和 Agent 相比，许愿式编程的特点在于它的起点更低，比如一句话、几张参考图，Agent 往往需要详细的参考文档，但 V4.1 Flash 1017 就不需要。

在许愿式编程中，人的介入要比 Agent 少。头尾说需求和验收，中间尽量别来问。Agent 在输出的过程中，经常会询问用户，比如是否允许某种权限、用户想要哪种方式。许愿式编程就没有这些。

Agent 好比一位有刀、有灶、有食材的厨师，具备了做饭的全部硬件。许愿式编程则是你对他说一句 " 我想办一桌庆功宴 "，然后他自己定菜单、买菜、掌勺、摆盘、上桌，中途也不会问你要吃辣的还是不辣的。

还有一点，Agent 是从系统结构看项目，注重的是项目本身，许愿式编程是从用户体验的角度看，用户用得舒服不舒服。

从某种角度来说，Agent 是许愿式编程的 " 必要条件 "。

许愿式编程最大的难点在于自我检查。前面提到，Agent 有了工具，就能运行代码、看到报错。可是 " 看到 " 并不等于 " 看懂 "。

这也是为什么 Agent 总会询问，因为 Agent 需要人类在中间不断介入，替 Agent 充当 " 质检员 "。

许愿式编程是把人从整个循环里剔除，模型自己当质检员。质检能力不是装了工具就自动有的，它还需要不断地训练。

于是就要有大量的 " 做完—检查—判断好坏 " 去给模型反馈。如果单靠人类标注，那整个训练估计要等到猴年马月才能完成。

所以 DeepSeek 才会在 V4.1 Flash 1017 的版本更新中强调基于自反馈的强化学习训练。这才能让模型自己生成结果、自己评估、自己据此调整，训练的规模也因此放大。

9 月时，DeepSeek 联合清华大学发表论文《DeepSeek Elastic Compute （DSec）: A Sandbox Infrastructure for Effective Agentic Training at Scale》。

论文讲的是 DeepSeek 现在使用的训练沙盒 DSec，这篇论文的第 6 节就曾暗示，DeepSeek 已经实现了 RSI。

Agent 在训练用的同一套沙盒里，交互式地给自己搭环境，再把这次会话打成一张增量快照，直接变成下一批可复用的训练场。

许愿式编程就是 DSec 所带来的初步成果。

还没完，DeepSeek 引入自反馈强化训练之后，性能评分自然而然地实现了突飞猛进。

在 V4.1 Flash 1017 发布后不到 2 个小时，产品经理帕韦乌 · 胡林（Pawe ł Huryn）就对 V4.1 Flash 1017 进行了测试。结果发现，V4.1 Flash 1017 在找 BUG、修 BUG 的能力上接近 Opus 5.5 xHigh，其价格也仅有后者的 35 分之 1。

随后一份 DeepSeek 员工的聊天记录被曝光，称 "（分数）不小心高了 "、"DeepSWE 真没刷 "、" 这个点控制不住地涨 "。

真是一个大写的凡尔赛。

梁文锋向小白走来

以前的梁文锋或许真的不在意普通 C 端用户。

就拿 DSH 来说吧。DSH 最早于 2026 年 5 月在内部立项，负责人是崔添翼。8 月 13 日，它以 v0.1 开发者预览版的形式，用 MIT 协议开源。

这个版本最大的特点就是劝退。

你想安装 DSH，就要先在终端里确认 node -v，Node.js 没问题后，运行 npx @deepseek-ai/dsh web。想从源码跑，还得依次执行 git clone、pnpm install、pnpm run build。

没点计算机知识，想用上 DSH 都费劲。

一个半月后，DeepSeek 发布 DSH v0.2 预览版，同步上线 macOS 和 Windows 桌面安装包。这才让普通用户能够一键安装 DSH。

而 V4.1 Flash 1017 的许愿式编程则完全不同，它的本质就是 "to 小白 "。

前面讲过，很多 Agent 产品会在中间停下来问你：" 这个命令能执行吗？"" 这个报错怎么处理？"

对程序员，这是正常的协作。但是小白是没法当 " 质检员 " 的。他们只会说 " 啥、啥、啥、这是啥？算了全同意吧！"

小白们看不懂命令，看不懂报错，也判断不了方案好坏。既然人不能介入，模型就只能自己介入。

此外，小白既没有 " 提示词 "，也没有 " 素材 "。

官方反复强调 " 较少的提示词和参考素材 "。这句话放在程序员身上，那叫做效率。放在小白身上，就叫做前提。

对于资深程序员来说，许愿式编程的意义并不大。他们有完整的提示词模板，也看得懂各种报错，许愿式编程更像是一种锦上添花的存在，甚至习惯了 Agent 提示词的程序员们，都不一定用得上许愿式编程。

可是小白不可能说出一份完整的需求文档，也没有现成的设计稿和美术资源。少提示词、少素材、少轮次，实则是在为小白们兜底。

小白要的是 " 看得见的成品 "，不是 " 跑分 "。

官方放出的演示中，全都是表现力极强的展示，比如复刻 Steam 经典游戏《传送门 2》。

比起某种代码和功能，做个游戏、做个展示、做个好玩的东西，这些才是普通人的愿望。选择这些案例，本身就是在对小白说话。

以及最重要的——价格。

虽然 DeepSeek 在 8 月份有过一波涨价，但是到了 9 月份，又是降价，又是节假日全按低谷算，9 月底更是送给所有符合条件的 DSH 桌面端用户一张 6 元赠金。

这里还有个小插曲，10 月 15 日的时候，DeepSeek 宕机了 5 小时。DeepSeek 网页端和 App 开始集中出现 " 服务器暂时不可用 "" 服务器繁忙，请稍后重试 "。

DeepSeek 的对话服务、V4 Pro API 和 V4.1 Flash API 陆续中断，一直到了 13 点 04 分才恢复。

当天傍晚，DeepSeek 开放平台发布《服务恢复及补偿通知》，先道歉，并写明 " 已第一时间启动针对服务稳定性的全面排查和彻底整改，全面梳理并剥离单点依赖，坚决杜绝同类问题再次发生 "。

重点来了，DeepSeek 给出的补偿方案是：按你账号 7 日内（10 月 8 日至 14 日）的消耗金额，以赠金形式全额返还，赠金自动到账，之后 API 扣费先从赠金里扣。

第二天一早，社交媒体上就有人开始晒到账截图。有几毛的，也有一百多、三百多的，甚至还有人发截图称，自己拿到了 3000 块钱补偿金。

DeepSeek 没有给出这次宕机的原因，毕竟就算说了，又有多少人能听得懂呢？

但是钱可不一样，再怎么小白他也认识钱。

梁文锋看齐张一鸣

说到 "to 小白 "，做得最好的应该是豆包。

虽然网友们总是调侃豆包答非所问、爱说车轱辘话，还诞生了一个很出圈的梗 " 我将用最直接、最简单易懂、最不绕弯子的话告诉你 "，但豆包的知名度要远远高于国内其他所有模型。

当所有人都在 "to 白领 "、"to 程序员 " 的时候，豆包只做一件事情，打开即用。

" 豆包给我画张图 "、" 豆包给我生成一个视频 "。不管你的提示词是否准确清晰，豆包都能理解并实现。

你的七大姑八大姨不一定有 DeepSeek，可他们十有八九下载了豆包。

QuestMobile 的数据显示，2026 年一季度，豆包月活达到 3.45 亿，环比增长 44.2%，位居国内 AI 应用第一，和第二名拉开了 1.8 亿的差距。2026 年 6 月，豆包月活升至 3.82 亿，同比增长 172.1%。

2026 年 8 月，国内 AI 应用使用人群里，豆包的活跃渗透率达到 77.2%，千问 29.4%，DeepSeek 22.8%。也就是说，每 10 个用 AI 的中国人里，大约有近 8 个在用豆包。

"to 小白 " 本身也是大势所向。

根据 QuestMobile 的数据，在所有使用 AI 应用的用户中，三线城市用户占 23.1%，高于一线的 10.1% 和新一线的 18.5%。70 后、60 后用户占比分别达到 17.2% 和 10.8%，并且增长很快。

早在 3 月份的时候 QuestMobile 就曾发布报告称，三线及以下城市用户占比增加了 2.4%，70 后、60 后用户占比增加了 2.8%。

下沉恰恰是一种非常 " 字节 " 的能力，也是张一鸣一贯的路数。不赌最高端的需求，赌最大的人群。不教育用户，把产品做到用户不需要被教育。

这一次，梁文锋是在向张一鸣看齐。

2023 年，梁文锋说不做应用、不抢 C 端流量，DeepSeek 只做研究。诚然，梁文锋至今都没有背叛 AGI，但他确实在走一条张一鸣早已走通的路，那就是把技术做成人人能用的东西。

只不过，两个人的起点完全相反。张一鸣是从入口出发，靠产品把用户圈进来，再慢慢补技术；梁文锋是从底层出发，靠模型把口碑做出来，再回头补入口。一个 " 下沉 " 做得早，一个 " 上浮 " 做得晚。

回到正文一开头，其实那句话还有最后半句 " 用户赶都赶不走 "。结合如今 DeepSeek 的改变，这让我想起了一句台词。

" 如果离不开他，那就好好爱他 "。