🇨🇳中国·AI 新闻·2026年10月12日·来源： SCMP

研究：DeepSeek 节约成本的 AI 模型或导致准确度不足

一项新研究指出 DeepSeek AI 模型所使用的内存节约技术可能存在潜在缺陷。这项由字节跳动研究人员主导，并由普林斯顿大学、斯坦福大学和加州大学伯克利分校学者合著的研究表明，DeepSeek 处理长输入以减少内存占用的方法可能会损害模型的可靠性，尤其是在信息放置方面。

Nexa 摘要

该研究指出 DeepSeek 模型在内存效率和准确度之间存在权衡。尽管 DeepSeek 通过其低成本方法在 OpenAI 和 Anthropic 等竞争对手面前取得进展，但研究结果暗示其内存节约技术可能会引入漏洞。具体而言，当信息出现在文件中的特定位置，或在相关计算机代码之前添加不相关文本时，模型更容易遗漏信息。

DeepSeek-V4、V4.1 和其他压缩模型等多个版本的 DeepSeek 模型都发现了这个潜在缺陷。该研究侧重于模型如何处理冗长输入，这表明问题与管理上下文和信息检索的内部机制有关，这些机制对于模型在复杂任务上的表现至关重要。

研究结果表明，挑战在于平衡大型语言模型的计算需求与其准确度，尤其是在处理大量或复杂提示时。对于开发人员和用户而言，这意味着 DeepSeek 模型的“节约成本”方面可能会带来性能一致性方面的隐藏成本，特别是在需要长时间上下文高度可靠性的场景中。