不换模型，不扩参数，deepseek只换训练方法，干活能力暴涨6倍

先说大白话：这个模型到底变了什么？

用最简单的方式讲。

一个AI大模型从"出生"到"会干活"，大致要经历两步：

第一步，预训练。

就是让模型疯狂"读书"，把互联网上的文章、代码、教科书都读一遍，学会认字、理解句子、掌握基本知识。这时候的模型就像一个读了很多书的大学生，知识面很广，但不会干活。

第二步，后训练。

这就不是"读书"了，而是"练手艺"。比如你想让模型学会修Bug，你就拿成千上万个真实的Bug案例喂给它，让它一次次尝试修复，做对了给奖励，做错了继续练。练多了，它就知道"修Bug应该这样干"。

DeepSeek这次V4-Flash正式版，第一步完全没变，模型还是那个模型，读的书还是那些书。他们只重做了第二步：换了一套更好的"练手艺"方案。

结果呢？同样的脑子，换了训练方法之后，干活能力涨了6倍。

这就像一个班里两个学生，智商差不多，读的课本也一样，但一个老师只让他们背书，另一个老师天天带他们做实战项目。到期末考试时，后者直接把前者摁在地上摩擦。

二、数字不会骗人：到底厉害在哪？

DeepSeek官方公布了9项测试成绩，我们挑三个最直观的来看：

① 修Bug能力：从"基本不会"到"超过一半能搞定"

有一个叫DeepSWE的测试，专门考AI能不能独立修复真实开源项目里的Bug。以前V4-Flash预览版只能修好约7%的Bug——基本等于不会。现在正式版修好了54%，超过一半的Bug能自己搞定。

什么意思？以前你让AI帮你修代码Bug，10次里9次要你自己动手。现在差不多有一半的情况，它能自己修好，还修得对。

② 命令行操作能力：逼近满分

有个叫Terminal Bench的测试，考核AI能不能像程序员一样在电脑终端里一步步敲命令、装软件、排查问题。正式版拿了82.7分（满分100）。对比一下：Claude最贵的那个版本85分，DeepSeek只差2.3分——但价格是Claude的九十分之一。

③ 全栈开发能力：几乎翻倍

还有一个DSBench-FullStack测试，考AI能不能从零写一个完整的网站——包括前端页面、后端逻辑、数据库。预览版37分，正式版68.7分，翻了近一倍。

打个比方：以前这个模型像一个只会写HTML页面的初级前端，现在它能独立搭出一个带数据库、带登录功能的小网站了。

三、"后训练"到底是怎么做的？拿学开车举个例子

很多人还是觉得"后训练"很抽象。我们换个场景理解——

假设你要训练一个人学会开车：

预训练阶段：给他看一万本驾驶手册、交通法规、汽车构造原理。这时候他理论上知道"红灯停绿灯行""方向盘往左打车子往左转"。但真让他坐进驾驶座，他连刹车和油门都分不清。

后训练阶段：让他实际坐进驾驶座，找个教练陪练。先练倒车入库，练100次，每次停歪了就告诉他"往左回半圈"；再练侧方停车，练200次；再练高速变道，练300次……练到肌肉记忆形成，不用想就知道脚该放哪。

DeepSeek的做法就是：不去换一个更聪明的"学员"，而是换了一个更好的"教练"，设计了一套更科学的练车方案。

这套方案好在哪？它不是让模型做选择题（"以下哪项是正确的变道方式？"），而是让模型真的去执行任务（"去，把这辆车的Bug修了"），做错了就分析错在哪、重新来。这种"干活→犯错→纠正→再干活"的循环，比死记硬背管用得多。

这就是为什么模型脑子没换，干活能力却涨了6倍——不是它变聪明了，是它终于知道"遇到这种问题该怎么动手"了。

四、那对我有什么用？

说一个最实在的：便宜。

这个模型调用100万个Token（大概相当于让它读完三本《三体》的字数）：

• 普通调用：花1块钱
• 如果很多内容之前读过、缓存命中了：花2分钱

有开发者实测，用它跑一小时的代码任务，花了不到一块钱。

同时它的价格只有同级别国外模型的几十分之一。

这意味着什么？以前你让AI帮你做一个自动化工作流，比如每天自动抓取新闻、自动整理成表格、自动发邮件，你可能担心成本太高。现在成本低到可以忽略不计，每小时几毛钱。

对于做内容的人、写代码的人、开小店的人，这个模型就像雇了一个24小时不睡觉、工资几乎为零的"数字实习生"。虽然它不是天才，但大部分基础活它能干，而且干得越来越靠谱。

五、这意味着什么？大模型比赛换赛道了

过去两年，所有AI公司都在比一件事：谁家模型更大、参数更多。

你1000亿参数，我就2000亿，他3000亿，像军备竞赛一样。

DeepSeek这次用行动说了一句话：别比谁家脑子大了，比谁家训练得更会干活。

这对小公司是个大好消息。你不需要砸几十亿训练一个超大模型，只要后训练做得好，一个中等规模的模型也能在特定任务上干得很漂亮。

DeepSeek还透露了两个信息：V4-Pro正式版预计8月初上线（性能更强的版本）；即将实施峰谷定价（早上9-12点、下午2-6点贵一倍，其他时间便宜）。

峰谷定价这个设计很聪明。就像电费一样，鼓励你把不着急的活安排在晚上跑，成本更低。这对做批量处理任务的人特别友好。

六、一句话总结

大模型能力的上限，不取决于脑子有多大，取决于训练方法有多好。

以前大家觉得"后训练"只是锦上添花。

现在才发现，它才是真正决定一个模型"能不能干活"的关键。

对于普通用户来说，最直接的影响就是：你手上的AI工具会越来越"会用"、越来越便宜。一个能干活、又几乎免费的AI助手，正在变成现实。

用最简单的方式讲。

一个AI大模型从"出生"到"会干活"，大致要经历两步：

第一步，预训练。

就是让模型疯狂"读书"，把互联网上的文章、代码、教科书都读一遍，学会认字、理解句子、掌握基本知识。这时候的模型就像一个读了很多书的大学生，知识面很广，但不会干活。

第二步，后训练。

这就不是"读书"了，而是"练手艺"。比如你想让模型学会修Bug，你就拿成千上万个真实的Bug案例喂给它，让它一次次尝试修复，做对了给奖励，做错了继续练。练多了，它就知道"修Bug应该这样干"。

DeepSeek这次V4-Flash正式版，第一步完全没变，模型还是那个模型，读的书还是那些书。他们只重做了第二步：换了一套更好的"练手艺"方案。

结果呢？同样的脑子，换了训练方法之后，干活能力涨了6倍。

这就像一个班里两个学生，智商差不多，读的课本也一样，但一个老师只让他们背书，另一个老师天天带他们做实战项目。到期末考试时，后者直接把前者摁在地上摩擦。

二、数字不会骗人：到底厉害在哪？

DeepSeek官方公布了9项测试成绩，我们挑三个最直观的来看：

① 修Bug能力：从"基本不会"到"超过一半能搞定"

有一个叫DeepSWE的测试，专门考AI能不能独立修复真实开源项目里的Bug。以前V4-Flash预览版只能修好约7%的Bug——基本等于不会。现在正式版修好了54%，超过一半的Bug能自己搞定。

什么意思？以前你让AI帮你修代码Bug，10次里9次要你自己动手。现在差不多有一半的情况，它能自己修好，还修得对。

② 命令行操作能力：逼近满分

有个叫Terminal Bench的测试，考核AI能不能像程序员一样在电脑终端里一步步敲命令、装软件、排查问题。正式版拿了82.7分（满分100）。对比一下：Claude最贵的那个版本85分，DeepSeek只差2.3分——但价格是Claude的九十分之一。

③ 全栈开发能力：几乎翻倍

还有一个DSBench-FullStack测试，考AI能不能从零写一个完整的网站——包括前端页面、后端逻辑、数据库。预览版37分，正式版68.7分，翻了近一倍。

打个比方：以前这个模型像一个只会写HTML页面的初级前端，现在它能独立搭出一个带数据库、带登录功能的小网站了。

三、"后训练"到底是怎么做的？拿学开车举个例子

很多人还是觉得"后训练"很抽象。我们换个场景理解——

假设你要训练一个人学会开车：

预训练阶段：给他看一万本驾驶手册、交通法规、汽车构造原理。这时候他理论上知道"红灯停绿灯行""方向盘往左打车子往左转"。但真让他坐进驾驶座，他连刹车和油门都分不清。

后训练阶段：让他实际坐进驾驶座，找个教练陪练。先练倒车入库，练100次，每次停歪了就告诉他"往左回半圈"；再练侧方停车，练200次；再练高速变道，练300次……练到肌肉记忆形成，不用想就知道脚该放哪。

DeepSeek的做法就是：不去换一个更聪明的"学员"，而是换了一个更好的"教练"，设计了一套更科学的练车方案。

这套方案好在哪？它不是让模型做选择题（"以下哪项是正确的变道方式？"），而是让模型真的去执行任务（"去，把这辆车的Bug修了"），做错了就分析错在哪、重新来。这种"干活→犯错→纠正→再干活"的循环，比死记硬背管用得多。

这就是为什么模型脑子没换，干活能力却涨了6倍——不是它变聪明了，是它终于知道"遇到这种问题该怎么动手"了。

四、那对我有什么用？

说一个最实在的：便宜。

这个模型调用100万个Token（大概相当于让它读完三本《三体》的字数）：

• 普通调用：花1块钱
• 如果很多内容之前读过、缓存命中了：花2分钱

有开发者实测，用它跑一小时的代码任务，花了不到一块钱。

同时它的价格只有同级别国外模型的几十分之一。

这意味着什么？以前你让AI帮你做一个自动化工作流，比如每天自动抓取新闻、自动整理成表格、自动发邮件，你可能担心成本太高。现在成本低到可以忽略不计，每小时几毛钱。

对于做内容的人、写代码的人、开小店的人，这个模型就像雇了一个24小时不睡觉、工资几乎为零的"数字实习生"。虽然它不是天才，但大部分基础活它能干，而且干得越来越靠谱。

五、这意味着什么？大模型比赛换赛道了

过去两年，所有AI公司都在比一件事：谁家模型更大、参数更多。

你1000亿参数，我就2000亿，他3000亿，像军备竞赛一样。

DeepSeek这次用行动说了一句话：别比谁家脑子大了，比谁家训练得更会干活。

这对小公司是个大好消息。你不需要砸几十亿训练一个超大模型，只要后训练做得好，一个中等规模的模型也能在特定任务上干得很漂亮。

DeepSeek还透露了两个信息：V4-Pro正式版预计8月初上线（性能更强的版本）；即将实施峰谷定价（早上9-12点、下午2-6点贵一倍，其他时间便宜）。

峰谷定价这个设计很聪明。就像电费一样，鼓励你把不着急的活安排在晚上跑，成本更低。这对做批量处理任务的人特别友好。

六、一句话总结

大模型能力的上限，不取决于脑子有多大，取决于训练方法有多好。

以前大家觉得"后训练"只是锦上添花。

现在才发现，它才是真正决定一个模型"能不能干活"的关键。

对于普通用户来说，最直接的影响就是：你手上的AI工具会越来越"会用"、越来越便宜。一个能干活、又几乎免费的AI助手，正在变成现实。