DeepSeek V4.1灰度测试泄露，据说代码能力“天差地别”？但多模态能力还是原地踏步

大家好，我是小九。

昨天刷社区的时候，发现DeepSeek V4.1 Flash灰度测试了。

DeepSeek V4.1 Flash灰度泄漏：代码能力“天差地别”

6月15号，Linux.do上有个老哥发帖，说DeepSeek网页端好像偷偷上新模型了。

他先试了那个“鸬鹚SVG”测试，生成的图比之前好多了。

他还测了一下经典的金门大桥three.js场景，用他的原话说，跟之前比是“天差地别”。

他还发现了另一个很明显的变化，模型的知识截止日期从2025年5月跳到了2026年1月，还有人测出来到了5月的。

不过这也挺薛定谔的，有人看到1月，有人看到的居然还停在2024年，甚至同一个用户隔一会儿问，给出的答案都不一样。

大家都在猜，这大概率就是V4.1的Flash版开始灰度了。

技术底座：不是微调，是代际跨越

我觉得，能让人说出“天差地别”这四个字，肯定不是修修补补的微调，大概率是基模型本身有了真正的代际跨越。

想要理解这种跨越，咱们得稍微往深了看一眼。大模型的迭代，通常分“预训练”和“后训练”两个阶段。

预训练决定了模型的“天赋上限”——也就是基座模型能学进多少知识、多强的逻辑；

而后训练（包括SFT监督微调、RLHF人类反馈强化学习等）则决定了它的“表现下限”——也就是模型多听话、多懂人情世故。

DeepSeek V4.0在今年4月底发布，这俩月他们在干嘛？

应该就是在死磕后训练，把代码和推理的对齐做得更深。

更关键的技术底座，在于他们之前发的那篇mHC（流形约束超连接）架构论文。（感兴趣的可以去读读）

现在顶级大模型普遍采用MoE（混合专家）架构，简单说就是把模型分成很多个“专家网络”，每次只激活一小部分来算，从而在控制计算成本的同时做大事。

但万亿参数级别的MoE模型有个致命弱点——训练极其不稳定，梯度容易崩。

mHC就是来解决这个问题的，它强化了残差连接，使得深层网络的梯度能顺畅回传。

V4.1这次代码能力的暴增，很可能就是因为更大的有效参数量在mHC的保驾护航下被成功激活了。

另外，这次V4.1大概率在推理阶段的显存管理上也做了大优化。

大模型推理分两个阶段：读题的“预填充”和写字的“解码”。

当处理像three.js这种长代码输出时，模型需要记住之前生成的所有内容，这就是KV缓存。

随着序列变长，KV缓存会疯狂吃显存，导致速度骤降。

DeepSeek在V4时代就引入了混合注意力机制，交替使用CSA（压缩稀疏注意力）和HCA（层次聚类注意力），大幅压缩了KV缓存的体积。

V4.1能把复杂的前端代码一口气写完且不崩，这种底层架构的优化功不可没。

另外，这次V4.1大概率在推理阶段的显存管理上也做了大优化。

大模型推理分两个阶段：读题的“预填充”和写字的“解码”。

当处理像three.js这种长代码输出时，模型需要记住之前生成的所有内容，这就是KV缓存。

随着序列变长，KV缓存会疯狂吃显存，导致速度骤降。

DeepSeek在V4时代就引入了混合注意力机制，交替使用CSA（压缩稀疏注意力）和HCA（层次聚类注意力），大幅压缩了KV缓存的体积。

V4.1能把复杂的前端代码一口气写完且不崩，这种底层架构的优化功不可没。

产品节奏：熟悉的配方，但没有多模态

如果你关注DeepSeek比较多，对他们这个节奏应该不陌生——先放个Flash版（参数小的蒸馏版）出来让大家玩玩，顺便压测，然后再上正式版。

去年春节发R1、8月发V3.1，这次赶上端午节，V4.1正式版也许快了？

不过有个点可能会让一些人失望：这次灰度，没有看到多模态能力增强的影子。

百度百科上写的是V4.1“新增了图像和音频处理能力，实现了对文本、图像、音频输入的理解与处理，其输出形式为文本”。

但是在本次爆出的灰度测试中，没有看到这些相关内容。

不管是那个让测试者惊呼的three.js，还是那个变好看了的“鸬鹚SVG”，本质还是代码。

这也符合DeepSeek一贯的性格。

他们定价太低了，多模态吃算力吃得厉害，在这个价格体系下硬上多模态，第三方反代的问题只会更麻烦。

多模态原地踏步，开发者狂欢，非程序员保持冷静

对于写代码的人来说，这肯定是大利好。

如果V4.1 Pro的代码能力真能达到社区现在的预期，能对齐甚至超过现在那些闭源头部模型，那AI编程工具的成本和使用门槛又能降一大截。

但对非程序员来说，可能就没那么兴奋了。

干活的人要的是扔张海报进去能看懂调性，甩段录音进去能出大纲，可惜这次都没有。

DeepSeek本身不生成PPT文件，它输出的只能是Markdown格式的结构化大纲，你得自己再拿去排版，这离“帮你干完一整件事”的智能体体验还有距离。

隐忧与期待：偏科问题怎么解？

当然，从灰度到正式发，还有两个事得看看：

• 一是现在这灰度结果太碎了，后面覆盖能不能稳住；

• 二是如果这次只把代码能力拉满，其他能力反而回退了，那正式版怎么平衡这个“偏科”问题。

反正DeepSeek一直都是低调研发、灰度验证、挑个节日发布的路子。

这次V4.1曝光，大概率也不是意外，而是马上要发的预告了。

你怎么看？