DeepSeek“推倒重来”

文 | 字母AI DeepSeek V4.1 Flash发布后，不仅速度变快，而且内容更准确，还有原生多模态。 全网对DeepSeek V4.1 Flash好评如潮，梁文锋再次被奉为“梁圣”。 相较于V4 Flash，V4.1 Flash最大的特点是推倒重来，采用了和V4 Flash完全不同的非对称结构。 这也就是说，V4在结构上积累的训练配方、优化技巧、工程适配，到了V4.1这里，大部分都作废了。 现在的DeepSeek早就不是一家小作坊了，而是一个拥有数百名员工的企业，想要重起一个新的结构不仅费时，还很费力。即便如此，梁文锋也要狠下心，对V4推倒重来。 新结构听起来确实很像一个营销用的噱头，不过答案其实就在DeepSeek V4.1 Flash的官方论文当中，DeepSeek的旧架构，已经装不下新的训练目标了。 那么这个新的目标又是什么呢？我认为，很可能是“入口”。 DeepSeek为什么要推倒重来？ 通常来讲，先有模型，后有Harness。厂商根据模型的能力和特点来构建Harness。然而DeepSeek V4.1 Flash却是被DSH给“反哺”出来的。 官方论文表示，V4.1 Flash的后训练遵循标准的SFT→ RL→ 在线蒸馏（OPD）范式，没有任何算法改动。关键的地方在于，所有实质性变化都在数据流水线当中，大规模自动合成Agent任务与环境，数据、任务、rollout渐进式扩增。 RL训练时让模型在6种不同的Agent框架里反复试错，数据量、任务种类、试错轮次一路放大。DSH是这6个训练场里最重要的一个，V4.1 Flash还专门针对DSH的不同操作模式做了定向训练。 DSH从DeepSeek V4 Pro的伴生产品，摇身一变成了V4.1 Flash的老大哥。 为了满足DSH的偏好，DeepSeek V4.1采用了全新的结构。 论文里是这么介绍的，新结构让模型在prefill阶段每token只需要激活8B的参数、decode阶段激活16B，进而大幅改善“输入密集的agent工作负载”的成本效率。 为什么“输入密集”会成为麻烦？ 过去的模型结构是为"聊天"设计的，用户问一句，模型答一句。这就造成了输入短、输出长，模型只会记住当前这一轮对话的上下文。 但在Agent时代，几十轮的中间状态一直挂在上下文里，输入动辄几十万token，远大于输出。 2026年4月，密歇根大学、斯坦福大学等院校联合发布论文《AI是怎么花你钱的？》（How Do AI Agents Spend Your Money?），其中就提到这样一件事，在agentic代码任务中，输入与输出的token比高达154:1。 于是DeepSeek选择推倒重来。V4.1 Flash采用了非对称结构Causal-Encoder-Decoder（CED）。 V4.1 Flash的语言主干共40层，如果按照以前的Transformer（decoder-only）那样，这40层应该是一模一样的。每一层都同时负责“读”和“写”，同时处理给它的输入，也处理输出，而且每一层都要自己攒一份KV Cache。 CED的“非对称”，指的是把这40层拆成前20层编码器、后20层解码器，编码器只负责“读”，把输入压成摘要，解码器只负责“写”，照着摘要生成回答。 就像汽车的流水线一样。 过去是一个车间完成所有活，想增加产能就得一直复制这一个车间。现在是流水线，冲压车间就负责冲压，电泳车间就负责电泳。 并且记忆只产生一次，解码器的全局KV Cache直接从编码器的最终结果投影出来。DeepSeek V4.1 Flash的全局KV Cache压到了890字节/token，降低至V4 Flash的1/4。 这是因为DeepSeek V4.1 Flash采用了CSA2（Compressed Sparse Attention 2），第二代压缩稀疏注意力。 V4的时候DeepSeek使用的是第一代CSA，到了第二代，可以让不同层之间共享KV和索引，也就解决了前面所提到的痛点。 依然是像汽车流水线一样，CSA2中把这40层分成了三个不同的车间，分别为Full、Reindex和Reuse。 Full负责完整记录，就像传统Transformer的每一层一样。Reindex负责提炼重点，再根据提炼的结果做事。Reuse则直接照着Full的技术抄，连提炼都省了。 虽然说除了第一层用Full，剩下39层全用Reuse是最节省成本的做法，但每层关注的重点不同，能力也不同，浅层做的是“字面理解”，深层做的是“逻辑推理”，它们需要的上下文内容不同。如果全用Reuse只会生成没有价值的回答。 去年还是先有车、再修路，今年已经是先修路，再造车。 模型性能强弱、性价比高低，都不是叙事的核心，唯有掌握了入口，才能吸引更多用户。 但梁文锋不是第一个这么做的，姚顺雨的Hy4 preview走在他之前。 Hy4 preview官方技术报告里表示，通过腾讯内部的软件工程师、游戏开发者、金融分析师、安全专家，围绕他们真正交付的工作共建数据，再和CodeBuddy、WorkBuddy这些产品共同设计。 在163名内部专家参与的203个真实工程任务盲测中，Hy4 preview平均2.99分，GLM-5.3是2.92，Kimi K3是2.94。 入口的重要性不言而喻，腾讯产品矩阵的优势得以发挥。 DSH和WorkBuddy本质上是一种产品闭环，是整条训练流水线的一部分。 有意思的是，2026年7月24日，腾讯撤销大语言模型部和多模态模型部，合并成立基础模型部，姚顺雨统一负责。他将混元多模态的发展重点，放在了Agent强相关的多模态理解上，和梁文锋此前对多模态的看法一致。 现如今，梁文锋又在模型上靠拢了姚顺雨，互相学习。 智谱与Kimi有类似的闭环吗？ 智谱和月之暗面这两家不是没有工具，Kimi有Kimi Claw，智谱也有ZCode、AutoClaw和GLM Coding Plan。 但这些工具没办法像DSH和WorkBuddy那样“反哺”模型。智谱和Kimi的工具是后挂的外壳，模型先在合成环境里练好，再做个产品给用户用。 智谱现在把所有精力都放在了模型自进化上。8月31日，在智谱半年度业绩会上，唐杰首次明确表示，GLM-6.0是一款Full Self-Training（完全自训练）模型，与OpenAI的RSI（Recursive Self-Improvement，递归自我改进）相似。 唐杰表示，从预训练、中训练到后训练，全流程让模型自己训自己，不再靠人写代码、清洗数据、调参、设计实验。人只负责给模型定目标，以及做最后的验收工作。 在GLM-5.3上，智谱就已经展示过他们自进化方法的一部分了。GLM-5.3和5.2使用的基座相同，但是性能却大幅提升。 具体情况是这样的，GLM-5.3建了一套端到端的任务环境合成流水线，Agent从真实世界的软件工程和终端操作场景收集种子任务，接下来模型自己头脑风暴，生成大量可验证的任务草稿，再构建做题用的Agent，把这些草稿实例化成具体的可运行环境。 将Agent输出的回答进行精炼，根据研究员定义的评分标准，检查并迭代优化任务质量。 最终就产出了数千个多样化、