DeepSeek 的 API 又偷偷换模型了。
过去几天，不少开发者在调用 DeepSeek 官方 API 时发现，模型的输出风格发生了明显变化——回答的语气、结构、甚至自我介绍的措辞，都和之前跑出来的结果对不上。有人一开始以为是自己的 prompt 出了问题，直到跑了一遍自我介绍的前端页面，才确认：这不是幻觉，DeepSeek 确实在后端悄悄换了东西。
这件事本身不算新鲜。DeepSeek 一直有"静默升级"的传统——不发公告、不改版本号，直接在线上灰度切换模型权重。但这次的动静，结合过去两个月的种种迹象来看，指向的可能不只是一次例行微调。
开发者最先闻到味道
最早的讨论出现在 Linux.do 社区。有用户贴出截图，对比了同一个自我介绍 prompt 在不同时间点的输出结果，风格差异肉眼可见。之前的 DeepSeek 回答偏克制、结构化，新版本则明显更"话多"，语气更自然，角色扮演（RP）能力也有提升——这和此前社区里流传的"V4 对 RP 进行了专项优化"的说法吻合。
但社区的反应并不是一边倒的兴奋。一条高赞回复写道："狼来了太多，已经没有感觉了。"另一位用户更直接："DS 的灰度，我怕都得灰个几年。"
这种疲惫感不难理解。从去年 V3.1、V3.2 到今年 2 月的百万 Token 上下文灰度测试，DeepSeek 的更新节奏一直是"小步快跑、静默迭代"。对于依赖 API 做产品的开发者来说，模型行为的不可预期本身就是一种负担——你不知道今天调出来的结果，明天还能不能复现。
这是 DeepSeek 需要认真对待的问题。灰度测试是工程上的合理策略，但对下游开发者的信息透明度，目前做得远远不够。
时间线拼图：V4 的轮廓越来越清晰
把过去两个多月的事件串起来看，这次 API 层面的变化大概率不是孤立事件。
2 月 11 日，DeepSeek App 向部分用户推送了 1.7.4 版本更新，最显著的变化是上下文长度从 128K 直接拉到 1M（百万 Token），知识库更新至 2025 年 5 月。IT之家、华尔街见闻等多家媒体跟进报道。当时 DeepSeek 自己在问答中的说法是，这"很可能不是 V4，极有可能是 V3 系列的最终进化形态，或是 V4 正式亮相前的终极灰度版"。
这个表述很 DeepSeek——既不承认也不否认，留足了回旋余地。
4 月 7 日，更大的信号来了。多位用户在 X 平台报告，DeepSeek 的聊天界面出现了全新的模式切换器，提供三个选项：
- 快速模式（Fast Mode）：默认选项，轻量级低延迟响应，文件上传仅做文本提取
- 专家模式（Expert Mode）：面向复杂推理任务
- 视觉模式（Vision Mode）：多模态处理
三个选项并排出现在对话界面顶部。这和 DeepSeek 以往"一个模型打天下"的产品形态完全不同，意味着底层很可能已经不是单一模型在服务，而是按任务类型做了模型路由。
4 月中下旬（也就是现在），API 层面的输出风格开始变化。
把这三个节点连起来：百万上下文 → 三模式界面 → API 模型切换。这不像是零散的小修小补，更像是一次系统性升级在分阶段落地。
V4 到底会带来什么？
关于 V4 的技术细节，目前最有参考价值的信息来自野村证券 2 月发布的一份研报。虽然券商报告的技术判断需要打折扣，但其中提到的两项核心技术值得关注：
mHC（流形约束超连接）
简单说，传统 Transformer 的层与层之间是"单行道"——信息从下往上逐层传递。mHC 的思路是在层之间建立更丰富的连接通道，让信息流动更灵活。但"连接多了"容易导致训练不稳定（梯度爆炸/消失），所以 mHC 加了严格的数学约束（流形约束），相当于给高速公路装上护栏。
这项技术的实际意义在于：它能在不大幅增加参数量的前提下提升模型的表达能力，同时改善训练稳定性。对于受限于国产芯片互联带宽的 DeepSeek 来说，这是一个"在有限硬件条件下榨取更多性能"的务实选择。
Engram（条件记忆架构）
这个更有意思。Engram 的核心思路是把模型中的"记忆"和"计算"拆开：
- 静态知识（实体、固定表达、事实性信息）被存储在一个稀疏的内存表中，这个表可以放在便宜的 DRAM 里
- GPU 的 HBM（高带宽内存）只负责动态计算——也就是真正需要"思考"的部分
打个比方：传统模型像是一个人把所有知识都装在脑子里，边回忆边思考；Engram 则像是给这个人配了一本随时可以翻阅的笔记本，脑子只负责推理。
这对 DeepSeek 的意义非常直接。在 HBM 供应受限（你懂的）的背景下，Engram 相当于用软件架构的创新来绕过硬件瓶颈。如果真能落地，推理成本还会进一步下降。
野村的报告还提到，内部测试显示 V4 在编程任务上的表现已经超越 Claude 和 GPT 同代模型，复杂任务处理能力对齐 Gemini 3 Pro 和 K2.5。这个说法目前无法独立验证，但考虑到 DeepSeek V3.2 Speciale 已经在数学竞赛中拿到过奥数金牌级别的成绩，V4 在特定任务上追平甚至超越闭源模型，并非不可想象。
三模式架构：产品逻辑的根本转变
比起底层技术，4 月初曝光的三模式切换可能对开发者的影响更直接。
过去，DeepSeek 的产品逻辑很简单——一个 deepseek-chat 端点，背后一个模型，所有任务都往里塞。这种"大一统"的方式对用户友好（不用选），但效率不高：你让一个全能模型去回答"今天天气怎么样"，和让它去做多步数学推理，消耗的算力是不成比例的。
三模式的出现意味着 DeepSeek 开始做"模型路由"：
- 简单问答走快速模式，用轻量模型，响应快、成本低
- 复杂推理走专家模式，调用完整的重型模型
- 图片理解走视觉模式，启用多模态能力
这和 OpenAI 的 GPT-4o / o1 / o3 分层策略、Anthropic 的 Haiku / Sonnet / Opus 产品线，本质上是同一个方向：不同任务匹配不同规格的模型，在性能和成本之间找最优解。
对 API 开发者来说，关键问题是：这个模式切换未来会不会开放到 API 层？如果开放，端点和参数怎么设计？现有的 deepseek-chat 和 deepseek-reasoner 会不会被重新划分？
目前没有答案。但从 API 输出风格已经开始变化来看，后端的模型调度逻辑大概率已经在调整了。
竞争格局：DeepSeek 不再是唯一的"性价比之王"
一年前 V3/R1 发布时，DeepSeek 几乎是开源模型领域的唯一焦点。OpenRouter 的数据显示，当时 DeepSeek 占据了开源模型 Token 使用量的一半以上。
但到了 2026 年 4 月，局面已经完全不同：
- Qwen3 系列在中文场景的表现持续提升，阿里通义千问 App 已经能以 Agent 形式执行多步骤任务
- Llama 4 开源后迅速被社区适配，在英文场景的生态优势依然明显
- GLM-5 系列在工具调用和 Agent 能力上走出了差异化路线
- 闭源阵营里，Claude 4 Sonnet、Gemini 3 Pro、GPT-5 都在过去半年内完成了代际更新
野村的报告用了一个准确的描述：市场从"一家独大"走向了"群雄割据"。
V4 面临的竞争压力远大于 V3 发布时。一年前，DeepSeek 的核心叙事是"开源模型也能打"；现在，"开源模型能打"已经是共识，问题变成了"你比别的开源模型强在哪"。
从目前的信号来看，DeepSeek 的回答是：架构创新（mHC + Engram）带来的效率优势，以及更精细的产品分层（三模式）。这个答案够不够有说服力，要等 V4 正式发布、社区跑完 benchmark 之后才能判断。
对开发者意味着什么
如果你正在用 DeepSeek 的 API 做产品，有几件事值得注意：
短期内，注意输出一致性。 灰度期间模型行为可能不稳定，同一个 prompt 在不同时间点的输出可能有差异。如果你的应用对输出格式有严格要求（比如 JSON 结构化输出、特定的回答风格），建议增加输出校验逻辑，不要假设模型行为是恒定的。
关注 API 端点变化。 三模式如果开放到 API 层，现有的调用方式可能需要调整。建议在代码中把模型名称做成可配置项，不要硬编码。
成本可能进一步下降。 如果 Engram 架构真的能把静态知识卸载到 DRAM，推理成本还有下降空间。V3.2 时期 DeepSeek 的 API 定价已经是行业最低档，V4 有可能继续卷价格。对于用量大的开发者来说，这是实打实的利好。
多模型策略越来越重要。 不管 V4 最终表现如何，把所有鸡蛋放在一个模型里的风险越来越高。灰度期间的不确定性、不同模型在不同任务上的表现差异，都在推动开发者走向多模型架构。像 OpenAI Hub 这类支持一个 Key 调用多家模型的聚合服务，在这种背景下的价值会更明显——当 DeepSeek 在灰度、Claude 在维护、GPT 在抽风的时候，你至少还有 fallback 选项。
等靴子落地
回到最核心的问题：V4 到底什么时候正式发布？
从 2 月的百万上下文灰度，到 4 月的三模式测试，再到现在的 API 模型切换，DeepSeek 的节奏明显在加快。但"灰度"这个词在 DeepSeek 的语境里弹性很大——V3.2 从灰度到正式发布用了将近两个月，V3.1 更是灰度了很长时间才稳定下来。
社区里那句"DS 的灰度，我怕都得灰个几年"虽然是调侃，但确实反映了一个现实：DeepSeek 的发布节奏不像 OpenAI 或 Anthropic 那样有明确的时间表和发布会，更像是一个持续的、模糊的渐变过程。
对开发者来说，与其猜测发布日期，不如做好两手准备：一方面关注 DeepSeek 官方的 changelog 和 API 文档更新（虽然它们经常滞后于实际变化），另一方面确保自己的架构足够灵活，能快速适配新模型。
毕竟，在这个模型每隔几周就可能换一轮的时代，唯一确定的事情就是不确定性本身。
参考来源
- Deepseek 官方 API 正在更换为新模型 - Linux.do — 社区讨论帖，最早发现 API 输出风格变化
- DeepSeek API 模型发生变化 - Linux.do — 开发者对比新旧模型输出差异的讨论
- DeepSeek 灰度测试百万 Token 上下文，知识库更新至 2025 年 5 月 - IT之家 — 2 月灰度测试的详细报道