智猩猩AI整理
编辑：林夕
DeepSeek新版发布不到一天，“是不是蒸馏了GPT”的争论就在X上吵了起来。
10月17日，DeepSeek上线V4.1-Flash-1017DeepSeek宕机后突然更新，网友：太上进了偷偷进步！，更新官网、App和API，开放模型权重。
官方称，新版提升了编程和Agent任务表现，同时减少输出长度、缩短任务执行时间，API价格保持不变。
随后，X用户Lisan al Gaib（@scaling01）发帖称，新版DeepSeek呈现出与GPT-6 Astra相似的简短推理风格，借此暗示其可能使用了OpenAI模型生成的训练数据。
他还发布了一组身份测试截图，截图中的模型自称是OpenAI开发的ChatGPT。
他配文调侃：“恭喜OpenAI发布了这么棒的模型。”
围绕蒸馏的讨论中，OpenAI战略未来主管Dean W. Ball的一番表态，也引发了关注。
据公开转载的帖文，Ball表示，加入OpenAI之前，他估计中国模型能够紧跟美国前沿模型，约有30%的原因可以用蒸馏解释；接触OpenAI内部信息后，他将这一估计上调至接近50%。
到了10月19日，@koltregaskes也转发讨论了模型自称ChatGPT的现象。不过，他的帖子将版本写为“1016”，与官方发布的“1017”并不一致。
除了身份回答，另一张模型指纹测试结果也被用来支持蒸馏质疑。
@scaling01称，使用ModelTrace测试后，DeepSeek-V4.1-Flash-1017的数字生成行为最接近GPT-6 Astra。
该工具通过长整数生成挑战提取输出特征，再与参考模型进行比较。
“自称ChatGPT”加上“指纹接近GPT”，成为这轮蒸馏质疑中被反复引用的两条线索。
不过，ModelTrace的参考库本身有一个限制：没有DeepSeek。
截至本次核查，项目README列出的参考库包含GPT和Claude两个家族、共18个模型。
项目说明也写明，未收录的模型仍会被归到最相似的现有候选中，界面上的归因概率，不能直接当作使用GPT蒸馏的概率。
作者还提醒，系统提示词会影响测试，Claude Code环境中的结果可能出现较大偏差。
同一位质疑者的另一项测试，还得出了不同方向的观察。
@scaling01在比较SVG输出时表示，DeepSeek似乎更接近Gemini模型。
围绕新版的争论也不只涉及蒸馏。
在LisanBench测试中，@scaling01称，模型输出了一串由64个双字母单词组成的链条。
他表示，自己此前用Qwen3.5反复优化该基准时见过类似行为，因此怀疑DeepSeek针对这套测试做过强化学习。
另一边，长期关注DeepSeek的@teortaxesTex也加入讨论。
他反对将这次升级的全部进步归因于OpenAI蒸馏，并反问：如果蒸馏就能解释这些提升，为什么OpenAI自己的Luna没有超过此前的V4.1？
争论之外，新版的实测仍在继续。
Pawel Huryn发布的一次初步测试，在两个代码仓库中设置了105个隐藏Bug，DeepSeek-V4.1-Flash-1017修复了其中34个，高于其测试中旧版的21.7。
他表示还会继续补测，并提醒重复运行存在波动。
DeepSeek官方公布的成绩则显示，新版DeepSWE v1.1达到77.0，ProgramBench达到29.1，Automation-Bench v1.0.6达到60.5。
官方称，此次还针对DeepSeek Harness、腾讯CodeBuddy和WorkBuddy等平台进行了优化。
在另一条发布介绍中，DeepSeek提到通过自反馈强化学习提升端到端项目开发能力，涉及游戏开发、3D建模等任务。
但这并非完整的训练数据披露，无法据此确定是否使用了外部模型生成的数据。
截至发稿，尚未检索到DeepSeek或OpenAI针对1017版本蒸馏质疑的公开回应。
目前流传的证据主要是模型身份回答和行为相似性测试，尚不足以确认其训练数据来源。
END
关注+星标，获取AI前沿进展与开源一线动态