研究：DeepSeek 節省成本的 AI 模型或導致準確度不足

該研究指出 DeepSeek 模型在記憶體效率和準確度之間存在權衡。儘管 DeepSeek 透過其低成本方法在 OpenAI 和 Anthropic 等競爭對手面前取得進展，但研究結果暗示其記憶體節省技術可能會引入漏洞。具體而言，當資訊出現在文件中的特定位置，或在相關電腦程式碼之前添加不相關的文字時，模型更容易遺漏資訊。

DeepSeek-V4、V4.1 和其他壓縮模型等多個版本的 DeepSeek 模型都發現了這個潛在缺陷。該研究著重於模型如何處理冗長輸入，這表明問題與管理上下文和資訊檢索的內部機制有關，這些機制對於模型在複雜任務上的表現至關重要。

研究結果表明，挑戰在於平衡大型語言模型的計算需求與其準確度，尤其是在處理大量或複雜提示時。對於開發人員和用戶而言，這意味著 DeepSeek 模型的「節省成本」方面可能會帶來效能一致性方面的隱藏成本，特別是在需要長時間上下文高度可靠性的場景中。