DeepSeek V4 Pro 当时为什么时灵时不灵，为什么社区里的开发者整出了各种玄学提示词？

字节 Seed 团队一篇论文把事情说透了：这条大鲸鱼患上了有规律的选择性失忆，每 4 个 Token 就犯一次糊涂，病根藏在它那套激进的压缩策略里。

001

V4 Pro 这个模型，当时给不少人整破防了。

同一个任务，昨天能跑，今天就废了，换个姿势重新发送又莫名其妙好了。更魔幻的是，有时候你完全没改任何参数，刷新一下页面重新发，输出结果就完全不同。

社区里的开发者们实在没辙，整出了各种奇葩应对方法。

先只开放两个工具给模型，等它进入状态再慢慢解锁完整功能；或者主动切到极简模式，把所有可选配置砍到最少，才能让任务跑顺溜。还有人总结出一套专属的提示词格式，说是按这个写就能激活模型的正常水平。

当时大家以为这纯粹是玄学，没想到这些操作后来都被证明是有科学依据的，恰好跟模型的记忆缺陷对上号了。

002

字节 Seed 团队的研究员们做了一个看起来简单、结果很炸裂的实验。

他们拿 DeepSeek 自己开放出来的推理代码，让 V4 Flash 去补全一段程序。这个任务不难，正常情况下模型应该稳定输出正确结果。

但研究员们只做了一个微小的改动：往代码注释里加了几个无关紧要的等号，把上下文稍微弄长一点点，任务本身完全没变。

就这一个改动，模型立刻开始在正确答案和错误答案之间反复横跳。

更关键的是，这种跳跃不是随机的，每隔 4 个 Token，准时重复一轮，规律得像定好的闹钟，完全可以预测。等号加一个，模型稳；加两个，模型抽；加三个，又稳了；加四个，又抽。整整齐齐，一点都不含糊。

003

论文里给这个现象起了个学术名字，叫相位敏感性。

翻译成大白话就是：大鲸鱼挑食，而且挑得相当有规律。

咱们平时用 AI 都有感觉，模型注意力一般集中在提示词的头部和尾部，中间的内容容易被忽略，这叫长文本遗忘问题，早就不是新鲜事了。

但 Seed 这次发现的比这还要细致。

不只是整段提示词有盲区，就连一小块内容内部，同样的信息你调一调位置，模型可能就视而不见了。

打个比方，就像你让一个助手帮你找合同文件，他告诉你他记住了，但其实他只记得放在桌子最左边和最右边的那几份，中间那一摞他压根没留意。你把文件往中间挪一下，他就找不到了，你往边上放一下，他又能找到了。

这不叫普通健忘，这叫挑食型选择性失忆，而且失忆的频率有固定节拍，4 个 Token 一个轮回，从不迟到。

004

问题的根子，在 DeepSeek 给 V4 系列配的那套压缩方案，名字叫 CSA 加 HCA。

DeepSeek 做长上下文一直走的是高性价比路线，号称百万上下文，价格却压到竞品的几分之一。要撑起这个规模，必须对 KV 缓存做激进压缩，否则算力成本直接炸。

CSA 的逻辑说白了挺直接：每 8 个 Token 压成一个块，每隔 4 个 Token 压一次，相邻的块之间有重叠区域，保证信息不完全断开。

这套方案在设计上不能说有问题，毕竟成本确实降下去了，超高性价比也真实撑了起来。

但周期性的信息盲区，也跟着结结实实地埋进去了。

上面实验里每 4 个 Token 循环一次的规律，和这个 4 个 Token 的压缩步长，严丝合缝对上了。不是巧合，是亲生的，是架构设计直接决定的。

005

Seed 团队为了进一步确认，又搞了一个规模更大的加强版插针实验。

他们把整整 16000 对问答数据塞进 128K 的超长上下文里，让模型从这片信息海洋中找出指定答案。这种大海捞针式的测试，是目前检验长上下文能力最直接也最残酷的方法。

这回同时测了四个版本：V4 Pro 没经过后训练的 Base 基础版，以及 2026 年 8 月 13 日发布的 0813 正式版；V4 Flash 的 Base 版和正式版。

V4 Pro 的 Base 版准确率波动幅度高达 34.7%，V4 Flash 的 Base 版更夸张，直接飙到 40.23%。酣畅淋漓的大起大落，没有规律可言，用同一段话问同一个问题，你都不知道模型下一秒会给你正确答案还是一个离谱的错误。

更难绷的是，经过后训练优化的正式版里，Flash 的稳定性居然还压了 Pro 一头。

后训练本来是打补丁用的，结果 Flash 的补丁打得更实，Pro 反而还不如 Flash 稳，怪不得差评如潮了，这不是用户太苛刻，是模型本身就没准备好。

006

为了找到分块压缩为什么会导致周期性失忆，研究员们决定彻底控制变量，不用 DeepSeek 的模型了，换成千问 Qwen3-0.6B 这个小模型当干净的底座，配上不同的压缩策略，从零开始训练了一批对照模型。

结论一目了然：不用分块策略的，性能曲线稳如老狗；只要加入分块算法，周期性波动立刻冒头，而且周期长短和压缩步长完全同步，步长 4 个 Token，周期就是 4 个 Token，步长 8 个，周期就是 8 个，一眼亲生。

更有意思的发现是，模型在压缩时根本不是均匀分配注意力，它会自己找到固定的偏好模式，而且每个模型的偏好还不一样。

比如其中一个训练出来的小模型，它内部的第 14 层专注于 Token 序列的前段，第 10 层偏爱中间部分，第 9 层则独钟后段。

这么压缩下来，不管你的内容多重要，只要落在它不感兴趣的位置，它就是瞅都不瞅一眼，跟它说什么都没用。这条鲸鱼的毛病，到这儿算是真正摸清楚了。

007

这事不只是 DeepSeek 一家的问题，眼下整个行业都在搞组合压缩，各家各有套路。

Kimi-K3 用的是 KDA 加 Gated MLA，GLM-5.3-Flash 是 KDA 加 DSA 加 MLA，千问 Next 架构则换成了 QSA 加 Gated DeltaNet。

说白了，组合压缩到底怎么搞才是最优解，眼下谁都没有标准答案，都是摸着石头过河。

但有意思的是，这片技术版图，有相当一部分是 DeepSeek 一点点打下来的。MLA 是 V2 搞出来的，DSA 是 V3.2 推出的，就连千问的 QSA，论文里都明确写了是按 DSA 思路改进的。

DeepSeek 一直是跑得最猛的那个，路开得最急，翻车也最响亮。

V4 Pro 这回摔了个大跟头，但它趟出来的坑，整个行业早晚都得面对，与其等别人悄悄踩，不如 DeepSeek 先趟，起码开源出来大家都能看见，都能研究，能形成真正有价值的技术积累。

要换个闭源模型同样时神时鬼，咱能做的只有在社区里拼命讨论玄学提示词，根子在哪儿，那是人家的商业机密，跟我们没关系。

后来的 V4.1 Flash 用 CSA2 搭配跨层 KV 复用和 FP4 KV 打了补丁，稳定性改善明显，波动幅度比 V4 Pro 小了太多。2026 年 10 月 17 日推出的 V4.1-Flash-1017 版本又通过后训练进一步发力，把性价比天花板拿了回来，口碑挽回了一波。

这条鲸鱼，翻了大跟头，但没有白翻。翻一次，给自己长一个教训；开源出来，给整个行业趟一条路。

梁圣这回虽然被干成了牢梁，但账，算不上亏。