从 0731 到 V4.1 Flash:DeepSeek 把大模型“减肥”减出了新高度
从 0731 到 V4.1 Flash:DeepSeek 把大模型“减肥”减出了新高度
最近 AI 圈有个特别有意思的现象:大家不再比谁家模型参数更大、更能“堆料”,反倒开始比谁更“轻”。
8 月初,DeepSeek 放出了 V4-Flash-0731 的正式版;一个月后,V4.1 Flash 又来了,还把“中美顶尖模型跑分差距缩到 3%”这种话题直接顶上热搜。一边是参数规模往后收,一边是分数往前冲——这事放在两年前,几乎没人敢信。
今天咱们就把这条“越轻越强”的路线捋一遍,看看 DeepSeek 到底在这两次发布里做了什么减法,又偷偷加了什么料。
一、先给结论:它不是“缩水版”,是“精简版高手”
很多人一听“Flash”,第一反应是“哦,便宜的低配版”。
真不是。
打个比方:一家餐厅有 256 位厨师,但每来一道菜,厨房只喊 6 位最对口的师傅上手,其他人继续待命。菜品还是那 256 位师傅的手艺,可同时开火的人少,燃气费、出菜速度全都下来了。
这就是 Flash 的核心思路——总家底很厚,但每次只动用一小部分。0731 这版里有 43 层网络、256 个“专家”,每个字进来只激活其中 6 个。所以你看到的分数是“千亿参数级别的水平”,烧的钱却接近中小模型。
DeepSeek 自己在发布说明里写得很直白:这版虽然激活的参数远少于 V4-Pro 预览版,但在下面这一串测试里反而赢了它。
二、跑分摆出来,什么叫“轻量不低能”
普通人不用记这些名字,只看两件事:涨了多少、超过了谁。
- 终端操作能力(Terminal Bench 2.1):从预览版的 61.8 直接干到 82.7,同期 GLM-5.2 是 81.0,Claude Opus-4.8 是 85.0。
- 软件工程实战(DeepSWE):预览版只有 7.3,0731 飙到 54.4。这个涨幅已经不是“优化”,是“换了个物种”。
- 网络安全对抗(Cybergym):38.7 → 76.7,翻了一倍。
- 全栈开发内部测试:37.0 → 68.7;高难题版本 25.8 → 59.6。
- 工具调用(Toolathlon):49.7 → 70.3。
说白了,预览版像个刚入职、理论扎实但手生的实习生;0731 像干了三年的老员工——能自己拆任务、自己调工具、自己把活干完,还能自己检查有没有干错。
这也是社区里那句“Flash 才是真杀手锏”的由来。有博主实测后直言:Pro 是用来打分的,Flash 才是用来干活的。
三、秘密武器:一本“能压缩的笔记本”和一台“提前猜答案”的小助手
第一个,是超长记忆不太费钱。
它支持百万级上下文——换算成中文,差不多是一口气读完上百万字,一整部《红楼梦》加几本专业书扔进去都不带喘。
但长文本最怕“越读越慢、越读越贵”。这里的做法有点像我们看长文档时的习惯:大部分内容快速扫过(压缩成摘要),只在需要的时候精准翻回原文某一段(按需检索)。
翻译成人话:**它不是把整本书一直摊在桌上,而是先做个目录索引,用到哪页翻哪页。**所以上下文长了,账单没有跟着线性爆炸。
第二个,是让模型“抢答”。
这版内置了一个叫 DSpark 的“投机解码”模块。你可以理解成:主模型是位老教授,说话慢但准;旁边配了个机灵的助理,先根据前文猜后面几个词。猜对了就一次性采纳,猜错了教授再纠正。
猜对的比例越高,出字速度就越快。社区里有人形容这叫“嘴上说着慢工出细活,手上已经偷偷开了倍速”。
第三个,是“想多久”可以调。
新版的思考强度分成三档:低、高、极限。日常问天气、改错别字,低档秒回;写方案、查 Bug、做数据分析,切到高档甚至极限档,模型会在心里反复推演、自我质疑好几轮才开口。
这个设计特别像公司里的老同事:小事一句话答复,大事他会说“你等我半小时,我想清楚再回你”。要不要“深度思考”,从此你自己说了算,不用为一句“今天几号”付出一整段推理的钱。
四、从 0731 到 V4.1 Flash:路线图上其实写了三个字
把两次发布连起来看,DeepSeek 的算盘非常清晰。
第一步:把“能干活”做扎实。
0731 的重点全压在 Agent(智能体)能力和编程上。所有涨分最猛的项,几乎都和“自动操作电脑、自动写代码、自动调工具”有关。这不是巧合——能替你动手的 AI,才有人愿意持续付费。
第二步:把“能装下”做到极致。
到了 V4.1 Flash,故事变成了“一台机器就能跑”。有消息说基础模型体积约 113.6GB,单台桌面级 AI 工作站就能扛起来;微软那边也放出过类似说法,认为这类模型在 60GB 内存的台式机、笔记本上就能跑,某些编程任务甚至优于 GPT-5。
从“要四张顶级加速卡”到“一台放桌上的机器”,这中间省下的不只是电费,而是让中小企业、学校、个人开发者真正用得起的门槛。
第三步:把“能看会听”加回来。
V4.1 Flash 换上了新的编解码结构,原生支持视觉理解——图片、截图、图表直接丢进去就行。轻量化从来不是一路做减法,而是先把不必要的脂肪减掉,再把真正需要的肌肉长回来。
有研报甚至用“中美顶尖模型跑分差距缩至 3%”来形容这次发布。这个数字咱们普通人不用太当真,但方向很明确:开源模型的性价比曲线,正在把“闭源必须更强”这条老规矩一点点掰弯。
五、这玩意儿跟普通人有啥关系?
说点实在的。
对自媒体和办公族:几十页的 PDF 报告、几百页的合同、一小时的会议记录,扔进去让它提炼要点、找矛盾条款、生成提纲。以前是“你自己看完再写”,现在是“它看完给你大纲,你负责改”。
对学生和自学者:长文档问答是最实用的场景。教材、论文、讲义可以直接问“第三章那个概念到底啥意思,用大白话讲”。
对开发者:最直观的变化是——改个模型名字就能切过去,甚至能接进主流的编程助手工具里。有博主实测,从旧接口迁移过来基本就是“换一个名字、跑一遍验证”的事。
对科技发烧友:这版模型权重是 MIT 协议开源的,意味着个人和小团队可以自己下载、自己部署、自己改。社区里已经有人把它量化成各种版本,用一台带独立显卡的普通电脑跑起来了,虽然速度和顶级服务器没法比,但“AI 装在自己硬盘里、断网也能用”这件事本身就很上头。
需要泼一盆冷水的地方也有:想跑满血版,依然不是普通笔记本能搞定的。显存、内存、量化版本的选择都会影响效果,社区反馈里“输出变傻”“速度慢得像蜗牛”的吐槽也不少,主要都出在压缩过头或者配置没调对上。
六、写在最后
回头看这条路,其实挺反直觉的。
过去两年,整个行业的主旋律是“我比你大”。参数从百亿到千亿再到万亿,像一场停不下来的军备竞赛。而 Flash 系列在做的事,是把“参数量”这个虚荣指标换成“每块钱能办多少事”。
这背后有个很现实的判断:当 AI 从“炫技”变成“基础设施”,决定它能不能普及的,从来不是最高分,而是最便宜那一档够不够用。
就像当年的智能手机,真正让它走进千家万户的,不是最贵那台旗舰机,而是一千多块也能刷视频、能扫码的那一款。
所以问题来了:如果有一天,你电脑里躺着一个断网可用、不花钱、还能自己动手帮你干活的 AI 助手,你最想让它替你干掉哪件烦人的事?是写周报、看合同,还是整理那一堆永远理不清的聊天记录?
评论区聊聊,说不定下一个版本的更新方向,就藏在大家的吐槽里。