揭秘DeepSeek发错模型乌龙：大模型API与Infra的极限考验

type

status

date

slug

summary

category

icon

password

网址

DeepSeek-v4-pro-0813 正式上线，两极分化的口碑却让人摸不着头脑。

一边，是疯狂刷屏的评测夯爆了：多项 Agent 测试逼近 Fable 5，被认为是又一次前沿模型的“核弹级”更新；另一边，却是不少深夜忠实开发者直摇头：吐槽涨价、模型能力不及预期，实测体感甚至不如之前的小模型……

一天之内，梁文锋的口碑从“梁神”跌落至“牢梁”，成了“薛定谔的梁”。

更蹊跷的是，有开发者发现，同一项任务前后相隔几个小时测试，V4 Pro 的表现便出现了明显变化。到了下午，DeepSeek 官网一度撤下 V4 Pro 正式版横幅和开放平台公告，大家都怀疑新模型经历了一次线上回滚。

上线不到 24 小时，v4 pro 从官测惊艳到实测争议，再到发布即撤回的快速反转，到底是夸大宣传的性能滑铁卢，还是工程部署上出了什么乌龙？

顺着 Hugging Face 仓库提交记录和 API 后台返回，或许能找到答案。

火速撤回的公告

把时钟拨回 8 月 13 日凌晨。

DeepSeek 依旧延续了他们“不上发布会、不发海报”的极简风格，悄悄更新了 API 文档，将背后的模型切到了等待近四个月的DeepSeek-V4-Pro-0813正式版。

起初，全网一片欢腾。看官方跑分，Terminal-Bench 2.1 砍下 87.9 分，距离顶级闭源模型 Claude Fable 5（88.0 分）仅差 0.1 分！加上依旧降维打击的极低价格，海外开发者和科技投资人纷纷直呼“性价比之王又戴稳了皇冠”。

然而狂欢没过半天，实测党们接入真实业务流后，画风彻底变了。

大家发现，这个拥有 1.6 万亿参数、单次激活 490 亿参数的旗舰庞然大物，实际体验极不稳定。更离谱的是，Artificial Analysis 测出的综合得分仅有 53 分，只比参数量小得多的 V4 Flash 高出了区区 1 分！在网络安全扫描等真实场景中，误报率更是频频遭到吐槽。

“大模型变笨”、“莫非挂错模型了？”的质疑声充斥着社区。到了 13 日下午，DeepSeek 官网便火速撤下了相关公告，将全网体验强行带回了“原点”。

后台记录曝光紧急抢修

好好的旗舰模型，怎么说撤就撤？难道真的是“性能打回原形”？

扒开 DeepSeek 在 Hugging Face 上的官方代码仓库（deepseek-ai/DeepSeek-V4-Pro-0813），就会发现官方后台早已进入了“生死时速”的连夜抢修模式。

小弟装大哥？

最初上传的 V4-Pro-0813 配置中，hidden_size为 4096、路由专家数为 256、隐藏层数为 43、Attention Head 数为 64；这些数值与 V4-Flash-0731 完全一致。

社区很快在 Hugging Face Discussion 中提出质疑，而 DeepSeek 官方组织成员msr2000随后回复“已处理”。

修正后的 V4-Pro-0813 配置已经变成：hidden_size=7168、384 个路由专家、61 层、128 个 Attention Head，与此前 V4 Pro 的架构配置重新对齐。

除此之外，MoE 中间层大小、Q-LoRA Rank、路由系数、DSpark 相关参数等一整串配置也随之发生变化。

二进制权重被替换

更关键的是，DeepSeek 还同时修改了普通config.json和inference/config.json两套推理配置。

在Release DeepSeek-V4-Pro-0813之后，官方先提交了一次Update config.json，紧接着又通过upload-large-folder tool连续进行了两次大文件重新上传。

翻开关键的权重分片（model-00035至model-00039.safetensors）对比记录，其 SHA256 校验码全部发生改变，文件体积也出现了微妙的变化！

这说明，DeepSeek 替换的远不止是配置文件 config.json（用来向推理框架定义模型结构），至少部分真正的模型二进制文件也被重新处理过。

推理栈切换

如果说 Hugging Face 的权重重传只是静态文件的修正，那么 API 后端的指纹突变，则揭示了 DeepSeek 后端集群正在经历的“云端抢修”。

有网友分享，在测试 DeepSeek 官方 API 时发现，模型的system_fingerprint（系统指纹）发生了罕见的剧烈变动：

此前，开发者可以通过 API 返回的明文指纹直接读出构建日期（20260812）、生产环境、FP8 量化以及 KV Cache 等工程细节。

但在实测过程中，不到半小时，Pro 和 Flash 的系统指纹几乎在同一时间全部切成了无法解读的纯 32 位 Hash。

系统指纹的同步改变，直接对应着线上推理后端（Inference Backend）、部署版本、算力调度策略或指纹生成规则的彻底重构。这也印证了一个事实：DeepSeek 的线上推理栈刚刚经历了一场非常决绝的热切换。

结语

上述几条线索串联起来看，有理由相信，昨天的发版混乱并非简单的“模型翻车”，极有可能是因为 DeepSeek 的前端接口、后端推理栈与权重配置三者出现了严重的错位，导致不同时间、不同入口的开发者拿到的体验完全不在同一个频道上。

至于能否定性为一次发布流程事故，相信团队内外自有评判。

这也给当前参数不断扩增、规模持续摸高的模型行业竞争敲响了警钟。当模型体量迈入万亿参数级别，任何微小的配置错位——哪怕只是一个 config 文件的参数写错——都可能在 Infra 层被无限放大，最终在前端体验上砸出巨大的“坑”。

从 Hugging Face 的数据来看，V4 Pro 的 FP8 量化版本权重高达893 GB，由 66 个分片文件组成。这不仅是参数的堆叠，更是对算力调度、高并发吞吐等基础设施（Infra）的极限考验。底层配置或算子调度上的微小瑕疵，反映到高并发的前端，就会瞬间放大为显著的体验下滑。

文章来自于微信公众号 “InfoQ”，作者 “InfoQ”