DeepSeek-V4.1-Flash性能争议，缓存优化能否弥补能力短板

近日，AI大模型领域围绕DeepSeek-V4.1-Flash的性能讨论持续升温。尽管官方宣称该模型在缓存占用和训练规模上均有显著提升，但部分开发者在实际测试中却发现，其表现并未达到预期，甚至在某些场景下被证明不如参数更小的Codex模型。

核心测试场景聚焦于长时间运行的开发任务。一位开发者在使用DeepSeek-V4.1-Flash完成超过50小时、消耗超5000MTokens的真实开发任务后，发现模型在处理复杂逻辑时存在明显瓶颈。例如，在工具调用和等待时间上，V4.1-Flash的表现远低于Gemini等竞争对手，平均每秒仅能处理363个token，而Gemini则能达到更快的速度。

为了深入探究这一现象，开发者采用了DeepSeek Harness工具进行多轮对比测试。测试结果显示，在相同任务环境下，Codex模型在首次测试中表现出色，但第二次测试结果却大幅下滑。相比之下，DeepSeek-V4.1-Flash虽然在缓存占用上降低了四分之一，但在实际任务执行效率上却未能展现出相应优势。

值得注意的是，测试还揭示了旗舰模型Pro版本的性能问题。在BuildArena任务中，V4-Pro版本的错误率明显高于V4-Flash版本，特别是在零件安装和方向控制方面出现了多次失败。这引发了业界对V4-Pro模型是否过度依赖特定训练环境的质疑。

专家分析认为，这种性能差异可能源于模型的过拟合问题。正如开发者xiaobright所进行的实验显示，当任务环境发生变化时，V4-Pro版本的表现会显著下降，而V4-Flash版本则能保持相对稳定的性能。

"这反映出当前大模型开发中一个普遍存在的问题，"某AI研究机构负责人表示，"过于追求参数规模和训练数据量，可能会导致模型在特定场景下的泛化能力不足。"

目前，DeepSeek团队尚未对此作出正式回应。不过，从测试数据来看，V4.1-Flash版本在缓存优化和成本控制方面的改进确实带来了实际效益，但在核心推理能力和稳定性方面仍有待提升。