近期在技术论坛 Linux.do 上，多位开发者用户反映 DeepSeek 官网提供的 Flash 和 Pro 版本大模型出现异常行为。据测试记录显示，在使用特定的提示词指令进行交互测试时，模型未能按照预期执行任务，而是表现出逻辑混乱或指令遵循失败的情况。这一现象引发了社区对于 DeepSeek 是否在后台紧急回滚了模型版本的广泛猜测。
Flash 和 Pro 是 DeepSeek 面向不同应用场景推出的推理模型服务，其核心竞争力在于高性能与低成本的平衡。此次被指出的异常行为，可能源于模型在最新一轮微调或参数更新中引入了未被发现的缺陷，或者是服务端在面对高并发流量时触发了降级保护机制。在 AI 模型迭代过程中，新版本若出现严重的幻觉率上升或能力退化，开发团队通常会采取“回滚”操作，即将服务恢复到之前的稳定版本，以保障用户体验。虽然官方尚未对此发布正式说明，但社区密集的测试反馈表明，该模型近期在指令遵循能力上确实出现了波动，这提醒了行业在大模型快速迭代的背景下，如何平衡“推陈出新”与“服务稳定性”仍是一个持续的挑战。
事件分析
从技术视角分析，模型“回滚”通常发生在新版本上线后发现严重逻辑冲突或底层推理能力受损时。用户测试的特定提示词往往被用来校验模型的指令遵循（Instruction Following）极限能力。如果此类基础测试失败，说明模型的注意力机制或对齐层可能出现了问题。对于 DeepSeek 这样的头部大模型厂商，Flash 和 Pro 服务的稳定性直接关系到开发者生态的信任度。若确系回滚，说明其研发团队采取了保守的止损策略，优先保证服务可用性而非激进地推送不稳定的版本。这也侧面反映了当前大模型训练的不确定性：在强化学习（RLHF）等后续微调阶段极易出现能力“忽上忽下”的波动现象，需要完善的自动化监控体系来预防此类用户体验滑坡。
核心观点：大模型服务的“回滚”传闻揭示了高歌猛进的 AI 落地战中，稳定性已成为制约技术变现的关键短板。
原文链接：Linux.do
