DeepSeek屠榜之夜，指纹像GPT-6

发布即屠榜，当晚被测出血统。 10 月 17 日傍晚，DeepSeek 发布 V4.1-Flash-1017，网页端、App、API 同步切换，价格不动，权重照旧以 MIT 许可开源。发布前几小时，模型列表里曾短暂出现这个版本，随后秒删。蹲更新的人逮了个正着。

官方口径里，这次更新没有短板。DeepSWE 单次任务通过率从上一版的 74.2% 涨到 77.0%，压过 Claude Opus 5 的 74.0% 与 GPT-6 Astra 的 74%。Terminal-Bench 从 31.2% 涨到 42.3%，ProgramBench 涨到 29.1，11 项基准全面上涨。max 档单任务平均费用从 3.3 元降到 1.3 元。 数小时后，热榜换了主角。一篇题为指纹测出来是 6-astra 的帖子冲上知乎热榜第 7。有开发者把新模型送进指纹工具 ModelTrace，测出与 GPT-6 Astra 相似度 84.66%，与 GPT 家族 90.71%。蒸馏与路由两种猜测同时引爆，Hacker News 首页第一的帖子拿到 744 分。 争议之外，工具 README 里的一行清单更有看头。参考库 18 个候选，全部来自 GPT 与 Claude 两族，没有收录 DeepSeek 任何版本。检测逻辑是比对输出与参考库的相似度，再打出距离最近的标签。 工具的参考库里没有国产模型。国产模型的血统，就是这么被测出来的。 蒸馏是否成立，现有材料下不了结论。但国产模型的信任赤字，在这一晚露了底。涨分与降价，都没能换来先信后疑。 0177.0 分屠榜与 84.66% 的指纹 两天前，DeepSeek 刚赔完一笔信任的钱。 10 月 15 日 8 时 11 分到 13 时 04 分，服务系统故障近 5 小时，API 不可用。新华社报道，官方当晚发布服务恢复及补偿通知，按用户 7 日内的消耗金额以赠金形式全额返还，赠金自动到账。社交平台上一度都是晒赠金截图的帖子，48 小时后，新模型上线。评论区的画风一度感人。进步还返钱，真是受不了。背着我们偷偷进步，太上进。道歉、赔钱、上新，一气呵成，节奏紧凑得像在打组合拳。 屠榜的成色也确实有。官方演示里，故宫 3D 建模、网页赛车、Godot 版传送门 2 复刻，一句话生成完整工程。贴吧管这叫许愿式编程，184 万人围观。海外用户实测输出速度 244 tok/s，个别接近 300 tok/s，快过 GPT 6.1 Sol 的 Ultrafast 模式。 成本端，77% 档位单任务约 0.2 美元。对照 GPT 6.1 Sol 75% 档位的约 0.65 美元。有开发者拿同一个编程任务实测，新版本用时 17 分钟，花费 0.46 美元，旧版是 20 分钟，0.50 美元。 当晚，剧情翻面。 指控方手里并非空无一物。量子位与澎湃均记录，deepseek-flash 接口的系统指纹在更新前后确实变更。多位用户的实测体感是，新模型写代码的文风与 Astra 接近。一位公众号作者的表述很有代表性，我怀疑新模型蒸馏了大量 GPT-6-Astra 的语料，写思考写代码的文风和 Astra 一模一样。 他同时写明，这只是猜测，没有实证。 赠金刚攒下的信任余温，在两天之内烧得干干净净。 0218 个候选里没有 DeepSeek 问题出在尺子上。 ModelTrace 的 README 写着，候选库 18 个模型全部来自 GPT 与 Claude 两族，未收录 DeepSeek 任何版本。README 同时写明，未收录的模型也会被打上已有候选的标签，结果不能用来判定身份。penligent.ai 的拆解显示，参考样本的采集渠道并不齐整，GPT 样本取自 Codex 订阅，Claude 样本取自第三方服务。 与热搜的读法不同，penligent 只把 84.66% 与 90.71% 当作截图所示的检测器输出。两个数字未能复现，参考库版本与原始记录都无法回溯。 任何一个不在名单里的模型送进去，都必须在这 18 个海外模型里认一个亲戚。哪怕名单里没有正确答案，标签也得从里面挑一个。84.66% 只说明，在这份名单里，离得最近的是 Astra。离名单外的东西有多远，工具管不了。 澄清方的反证还有一条更硬。实测 244 到 300 tok/s 的输出，此前未见于任何 Astra 托管版本。如果后端真在路由闭源 API，这个速度账算得过来吗。何况权重以 MIT 许可开源，任何人都能下载到本地核查，路由闭源 API 的说法在技术上很难成立。 虽然指控的链条断了，虽然工具的盲区写得明明白白，penligent 的报告还是留下另一句。现有材料支持搁置指控，不支持为一套未经独立核查的基础设施作证。penligent 把这件事拆成三个问题，厂商发布了什么，某次请求背后是什么模型，模型的训练血统是什么。三个问题，需要三种不同的材料。 另一把尺子是基准榜。官方称 11 项基准全面上涨，这是官方口径，目前尚无第三方独立复测。DeepSWE 一栏对标的对象是 Opus 5 的 74.0%；更新的 Opus 5.5 没有出现在对比里。Terminal-Bench 上，Opus 5 仍然以 51.8% 领先 1017 版的 42.3%。对比项的选择权，在发布方手里。 这种处境不是第一天。2023 年百模大战，套壳争议曾经跟着每一张跑分海报走。2025 年初 R1 出圈，蒸馏指控自此成了国产模型的出厂配置。2026 年 2 月，Anthropic 披露，针对 Claude 的蒸馏攻击超过 1600 万次交互，涉及约 24000 个账户。4 月，美国国会听证文件把指控写成正式文本。7 月，中国商务部回应，美方做法缺乏事实基础，没有法理支撑。9 月，美国三部门联合公告点名六家中国 AI 公司。三年里，每代国产模型发布，都要被同一批工具测一遍血统，至今仍然如此。 评判中国模型的两把尺子，都不在自己手里。 03双方都绕开的那份清单 指控方与澄清方都立得住，但双方都绕开了同一个问题。 指控方拿不出蒸馏的实证。澄清方这边，penligent 也只把话说到指控不成立为止。原因在于，DeepSeek 对训练语料来源始终不作逐项披露，至今如此。官方至今未回应指纹风波。沉默本身可以记录，动机无从解读。 争议发展到这一步，事实层面的材料已经摆完，剩下的是立场之争。HN 与知乎的评论区里，每个用国产 API 的开发者都投过一次立场票。我用的模型，到底是谁家的。这个问题未必有标准答案，但每个开发者都想要一个答案。 立场票投出去，账单跟着来。1.3 元的单任务费用，砍的是编程订阅制的定价锚。搜索与抓取 API 开到 0.75 美元一千次。同一周，英伟达周线下跌 7.09%，股价从 230.48 美元跌到 214.13 美元。算法效率与算力溢价的叙事同框，两边的发布会都不会提。 开发者关心的不是国籍。他们只想知道一件事，敢不敢把生产环境押上去。宕机 5 小时，有赠金兜底。轮到血统疑云，没有东西兜底。 自证的通道其实开着。开源权重是国产模型独有的底牌，权重就在那里。问题是，跑得动这个量级参数本地核查的人太少。信任赤字只能靠两样东西偿还，逐项披露的习惯，第三方复测的基础设施。这两样东西到位之前，验血还会跟着屠榜再来。 下一次屠榜不会等太久。到时候冲上热榜的是分数还是指纹，要看这两样东西什么时候到位。 自己的账，终归要自己算。