蒸馏正在加快模型追赶，也将技术竞争推向数据授权、成本效率和原创能力的新阶段。
文章作者、来源：ME News
TL;DR
- 10月17日，DeepSeek更新V4.1-Flash-1017，第三方浏览器操作测试得分由70.9升至75.0，接近Astra的77.9。
- 同一测试中，DeepSeek每项任务的模型费用约0.22美元，Astra为10.77美元，成本约为后者的四十九分之一，但这并非模型研发的全部成本。
- 《The Information》称，DeepSeek和月之暗面新模型训练使用了Astra输出；这一说法来自匿名知情人士，具体数据量及贡献比例尚未公开。
- 比起简单判定谁“抄袭”了谁，更值得关注的是：蒸馏正在加快模型追赶，也将技术竞争推向数据授权、成本效率和原创能力的新阶段。
一次小版本更新，为何引发如此大的关注
10月17日，DeepSeek将V4.1-Flash升级为V4.1-Flash-1017。官方更新日志对这次升级的介绍相当克制：网页端、App端和API同步切换，调用方式及价格不变。真正让外界注意到它的，是随后公布的一组第三方测试结果。Browser Use在180项真实网站长程操作任务中，给新版模型打出75.0分，而此前版本为70.9分，提升4.1分。同期，OpenAI的GPT-6 Astra得分77.9，Claude Opus 5.5为75.0。DeepSeek由此在这一测试场景下进入了领先阵营。
更具冲击力的是费用。Browser Use估算，新版DeepSeek完成每项任务所消耗的模型调用费约0.22美元，Astra则为10.77美元，相差约49倍。若只看这两组数字，似乎意味着中国模型已经能够用极低价格交付接近美国顶级模型的能力。不过，这里的75.0是基于评分规则计算的平均得分，并非180项任务中成功完成了75%的任务；0.22美元也只涵盖模型费用，不包括浏览器运行、搜索及评估等成本。而且，不同模型的推理强度和运行环境存在差异，不能据此推断DeepSeek在所有任务中都与Astra相当。
这些限制并没有削弱这次升级的意义。AI竞争正在从单纯比拼答题能力，转向让模型持续调用工具、理解页面并完成复杂工作。当性能接近可用门槛，成本差距就可能直接影响企业是否愿意大规模部署。DeepSeek真正值得注意的，并非已经全面超越谁，而是它在一个有商业价值的场景中，把性能和价格的组合向前推了一步。
外媒所说的Astra蒸馏，到底意味着什么
10月28日，《The Information》援引多名直接知情人士报道称，DeepSeek的V4.1-Flash-1017及月之暗面的Kimi K3.1 Pro，在开发过程中大量借助了GPT-6 Astra的输出。报道还称，梁文锋起初不愿在V4研发中依赖蒸馏，但面对智谱等国内竞争者的进展，最终改变了立场。路透社随后转述了相关消息。需要强调的是，这些涉及内部训练策略和个人决策的描述，目前仍主要依据匿名信源，并非DeepSeek公开承认的事实，也没有足够资料可以量化Astra究竟贡献了多少性能提升。
所谓模型蒸馏，通俗来说，就是让能力更强的模型充当教师，生成答案、解题步骤或任务示例，再用这些数据训练另一套模型。它并不自动等于复制参数，更不能理解成按下按钮便能把教师模型完整搬走。学生模型能学到多少，取决于样本的覆盖范围、数据质量、训练方法以及自身架构；在复杂工具调用场景中，后续强化学习和真实环境反馈同样重要。
蒸馏本身是成熟的机器学习方法，大型实验室也会用自己的强模型指导低成本模型。争议发生在另一层面：若未经许可，批量调用竞争对手的闭源系统，特别是设法提取原本不对外展示的推理过程，就可能触及服务条款、商业利益与安全边界。因此，讨论这则报道时，必须把“采用蒸馏技术”与“违规获取他人模型能力”区分开来；对于具体指控，仍需要可核实的证据。
从Claude转向Astra，反映的是一场攻防升级
为什么报道偏偏在这个时间点把Astra推到台前？关键变化不只是OpenAI推出了更强的教师模型，也在于Anthropic正在提高获取Claude训练数据的难度。Anthropic今年2月曾公开指称，DeepSeek、月之暗面和MiniMax通过约2.4万个欺诈账户，与Claude产生超过1600万次交互；这些均属Anthropic单方面披露的调查结论。到了10月12日，该公司又宣称，新部署的检测及限制措施让蒸馏攻击获得的数据量下降约90%至99%。
OpenAI也没有置身事外。9月30日，它披露已打断一场试图获取受保护推理内容的协调行动，相关活动从7月初开始，其中7月24日至25日出现来自4000多个用户账户、约1.6万次请求的高峰。OpenAI表示，将其中一个核心活动群组归因于与月之暗面有关联的人员，但并未断言所有参与者都来自同一主体。两家美国公司的披露说明，前沿模型的输出和推理轨迹，已成为值得投入专门防护资源的竞争性资产。
如果Claude的防护确实显著提高了数据获取成本，其他强模型成为新目标并不令人意外。这并不能证明所有国内实验室都采取了相同做法，却揭示一个更现实的趋势：先进模型不仅是提供服务的软件产品，也可能成为其他开发者学习的对象。模型厂商越重视保护独有能力，蒸馏与反蒸馏之间的攻防就越会持续升级。
梁文锋的转向：原创理想遇到产品竞争
《The Information》关于梁文锋的描述，是整件事最有戏剧性、也最需要审慎处理的部分。报道认为，他原本希望V4更少依赖外部蒸馏，但在智谱GLM等产品借助相关方法取得进展后，接受了竞争压力。外界尚无法独立验证这一内部讨论，更不能据此断言DeepSeek放弃了原创研发。不过，这个说法确实触及AI行业的一个真实矛盾：技术路线可以追求长期独立，市场却会按季度甚至按月检验产品表现。
模型公司面临的不再只是学术榜单竞争。开发者关心代码代理能不能可靠地完成修改，企业关心业务流程能否自动化，API客户则持续比较准确率、速度与账单。如果竞争对手用一种成熟的训练方法缩短了追赶周期，拒绝这种方法就可能意味着更高的机会成本。因此，是否使用蒸馏，并不天然构成原创与模仿的二元选择；真正的问题是数据来源是否合法，是否拥有自己的基础研究，以及能否把借鉴转化为长期可重复的创新能力。
尤其不能忽略DeepSeek已有的技术积累。9月发布的V4.1-Flash采用总参数5520亿的混合专家架构，官方称其输入阶段激活约80亿参数、输出阶段约160亿参数，并采用新的预训练和强化学习方案。相较其此前一代架构，官方还报告了KV缓存的显著下降。这些改进早于10月17日升级，不能都归功于Astra，也说明低成本表现有架构与系统工程的基础。把进步全部解释成蒸馏，同样会遮蔽中国团队真正投入的研发工作。
49倍成本差距，为什么比单次跑分更重要
从商业角度看，模型能力的价格正在决定AI应用的边界。一个只偶尔调用模型的聊天产品，对单次成本没有那么敏感；但自动浏览网页、反复检索资料、执行多步骤任务的智能体，可能在一次工作中产生大量调用。模型费如果能从十几美元降到几角美元，原先不经济的业务流程就可能重新进入可行范围。这也是DeepSeek此次表现引发关注的核心原因。
但49倍的数字需要放在完整榜单里理解。同一份Browser Use测试中，GPT-6.1 Sol得分79.6，模型费用约1.30美元，说明Astra并不是所有可选模型中最具成本效率的参照。新版DeepSeek以0.12美元的低推理强度费用取得74.0分，又提示成本与能力的最优组合未必出现在最高推理档位。对企业采购而言，应该比较同等任务要求下的实际完成率、重试次数、延迟、稳定性和总体费用，而不是将某一对模型的价格倍数当成普遍规律。
同样重要的是，推理便宜不意味着训练也便宜，更不意味着蒸馏可以免费获得能力。获取高质量数据、清洗样本、进行强化学习、部署推理服务，都需要资源。它更像是重新分配研发投入：减少某些能力探索的试错成本，把更多精力转向产品化、系统优化与特定场景的可靠性。这样的效率优势有真实价值，但不能与从零训练前沿模型的成本混为一谈。
DeepSeek的下一道考题，不是再追近两分
10月24日，月之暗面发布Kimi K3.1 Pro，官方称其具备约3万亿参数规模、100万Token上下文窗口，并强化代码、金融研究及智能体任务能力；完整权重计划于11月4日前开放。DeepSeek与Kimi同期推进高能力、低成本路线，显示国内模型厂商的竞争重点正在由“能否做出大模型”，转向“谁能更快把前沿能力变成可部署的产品”。外媒曝光的蒸馏争议，正是这场速度竞争的另一面。
我的判断是，蒸馏会继续成为模型产业的重要工具，但依赖外部教师并不是能够永久维持的护城河。一旦教师模型限制访问、提高价格或改变输出方式，学生模型的迭代路径就可能受到干扰；而涉及隐蔽获取推理的行为，还会带来合规和信誉风险。相反，基础架构、原创数据、强化学习环境、推理系统和用户反馈，才更可能沉淀为团队自身可以掌控的资产。
所以，DeepSeek新版为什么突然变强？目前最有根据的回答是：它本来就在推进架构和训练效率优化，而最新报道提示，Astra蒸馏也可能是本次能力跃升的重要助力。至于它占了多大比重，公开证据还不足以给出比例。真正值得观察的不是梁文锋是否在一次技术选择上作了妥协，而是DeepSeek未来能否在不依赖外部前沿模型输出的情况下，持续复制这样的进步。那才是检验一家AI公司能否从高效追赶者成为技术定义者的关键。