V4-Flash为何能小参数反超大模型？
DeepSeek V4 Flash正式版最反直觉的地方是：架构和参数跟预览版一模一样，284B总参数、13B激活，一个底层结构都没动。所有提升全来自后训练。结果DeepSWE代码修复从7.3分飙到54.4，涨了640%。Terminal-Bench拿到82.7分，直接碾压自家1.6万亿参数的V4-Pro预览版。参数少了一个数量级，分数反而更高。核心武器是三招：用完整执行轨迹而非单轮问答做训练、从简到繁逐步引入工具组合、惩罚不必要的Token消耗。每招都不需要更大模型，但每招都需要极致工程能力。这传递了一个信号：参数军备竞赛的边际收益在递减。AI竞争的焦点正从"更大"转向"更聪明"，后训练工程能力才是2026年真正的护城河。
发布于 江西
2
15
9
未登录
友善发言
评论
加载中
