就在剛剛，DeepSeek 網頁端迎來大更新。

沒有發(fā)布會，沒有 blog，甚至連一條官方推文都沒有。DeepSeek 網頁端的輸入框上方多了兩個圖標——一個閃電，一個鉆石，分別對應「快速模式」和「專家模式」。

懸停一下，提示語出來了：快速模式「適合日常對話，即時響應」，專家模式「擅長復雜問題，高峰需等待」。

目前從實測和網友拆解來看，兩個模式的差異大概是這樣的：

快速模式，可以識別圖片和文件中的文字，速度快，響應即時。代價是，背后跑的大概率是一個更輕量的 V4 Lite 模型，但針對速度做了優(yōu)化。

專家模式，疑似路由到了更大、更強的模型——很可能就是 DeepSeek V4 正式版的某個形態(tài)。但目前它不支持文件上傳，也沒有多模態(tài)能力。等等，更強的模型，反而功能更少？

上下滑動查看更多內容

我們也做了一輪簡單測試。

比如讓兩個模式各自寫一個 p5.js 程序，模擬球在旋轉六邊形內彈跳，要求受重力和摩擦力影響。結果顯示專家模式給出的結果更符合物理直覺，落點更準，彈跳軌跡更真實。

對比之下，快速模式給出的的結果肉眼可見差了一個檔次。

這種差距，其實挺能說明問題的。物理仿真對數(shù)學推理能力要求高，弱一點的模型容易出現(xiàn)「看起來像物理但實際上不對」的結果。專家模式在這里的表現(xiàn)，是實打實的能力差異。

但網友 @AiBattle_ 讓其制作的太空侵略者游戲結果卻讓人有點意外：專家模式的輸出和快速模式差距并不明顯。

做測試的網友給出了一個判斷：「我估計專家模式現(xiàn)在路由的仍然是某個版本的 V4 Lite。要看到完整版 V4 在網頁端上線，可能還得再等一陣?！惯@個判斷和外部報道的時間線基本吻合——晚點 LatePost 報道，V4 正式版預計今年 4 月亮相，屆時大概率仍是開源最強，但報道也點明「很難是碾壓級的強」。

換句話說，這次灰度上線的「專家模式」，未必就是最終形態(tài)。

創(chuàng)意寫作方面，我給兩種模式出了一道辯論寫作題，題目是「替無聊辯護，論證無聊是現(xiàn)代人的奢侈品」。

專家模式的輸出更長，邏輯鏈更完整；快速模式的文風則相對自然樸實。

上下滑動查看快速模式（前）和專家模式（后）

有意思的是，在這個任務上，兩個模式的速度差距并不明顯，甚至專家模式的思考時間更短。這有點反直覺，但可能和任務性質有關——創(chuàng)意寫作對模型規(guī)模的敏感度，遠低于數(shù)學推理類任務。

對于簡單任務，兩個模式差異有限；越是需要深度推理的場景，專家模式的優(yōu)勢越明顯。

在數(shù)學邏輯題「繩子繞地球一圈，加長 1 米均勻撐開，縫隙多高？」中，盡管兩個模式給出了相同的答案，但過程截然不同?？焖倌Ｊ降幕卮鸷芎喡?；專家模式則一步一步拆解，每個推導環(huán)節(jié)都交代清楚，更接近「把思考過程寫出來」這個指令要求。

上下滑動查看更多內容

值得一提的是，目前網頁端實際上線的只有快速和專家兩個模式，但此前的爆料顯示，還有第三個選項正在路上——「Vision 模式」。

圖片來自互聯(lián)網

關注 DeepSeek 技術路線的博主 Teortaxes 認為：把 Vision 單獨列為一個類，是很不尋常的設計。他提到，DeepSeek 此前拒絕在網頁端部署 DS-VL 系列，原因是「尚未成熟」。如果 Vision 模式真的上線，背后支撐它的，很可能已經是一個「完全功能化」的 VLM。

而 Teortaxes 在他的長評里，給出了一個更大膽的猜測——這個視覺模型，有可能不是常規(guī)的 VLM，而是某種「深度統(tǒng)一世界模型」，是 Janus 系列的下一步演化，或者其他更非傳統(tǒng)的架構。

當然，這僅僅只是他的猜測， 也有網友 @xhyctf 表示，DeepSeek 被逆向的前端代碼顯示，Vision 模式，根本就沒有獨立的模型。所謂「視覺理解」，只是在快速模式下悄悄加了一個參數(shù)——filefeature.vision = true。

盡管如此，有一點是確定的：DeepSeek 在多模態(tài)方向一直都有所布局，或許只是差一個良好的時間窗口。而把快速、專家等入口擺在用戶面前，背后其實是一個更值得關注的方向：

DeepSeek 開始做產品分層了。

自去年初爆火以來，DeepSeek 的產品邏輯一直是高度「反商業(yè)」的——API 定價較低，網頁端完全免費，功能也沒什么門檻區(qū)分。但問題也隨之而來：長期維持這種「全免費、無分層」的運營方式，商業(yè)上是不可持續(xù)的。

現(xiàn)在，DeepSeek 開始把「更強的模型」和「更基礎的模型」做成兩個入口。專家模式目前還是免費的，但這個架構一旦搭好，后續(xù)要在上面做付費體系，技術上已經不是問題了。

當然，分層的目的，未必只是為了收費。

把用戶自然地分流到兩個入口，讓真正需要深度推理的請求走專家模式，日常對話走快速模式——這本身就是一種算力調度策略，限額限流，緩解峰值壓力。

收費是一條路，限額是另一條路，兩條路都能走，也可以同時走。而這整件事拼起來看，也是一個很完整的鋪墊路徑：

先灰度上線分層入口 → 讓用戶感知差異 → 打通多模態(tài)和文件能力 → 視覺模式開閘 → 限額/給更強大的模式定價。當然，這僅僅是我個人的推測，畢竟 DeepSeek 從來不按常理出牌。

誠然，大家給 DeepSeek 貼了太多標簽——技術理想主義、反商業(yè)、普惠 AI。然而， GPU 的推理成本每個月都是實打實的?；梅降牧炕找嬖儇S厚，也很難靠賣 API 填完一個全球級 AI 服務無限期免費運營的窟窿。

DeepSeek 攪動了整個 AI 圈，但現(xiàn)實也終將攪動 DeepSeek。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）