刚刚，DeepSeek大升级，V4真的不远了

就在刚刚，DeepSeek 网页端迎来大更新

这一波更新，来得相当低调。没有盛大的发布会，没有长篇的官方博客，甚至连一条社交媒体上的公告都找不到。DeepSeek 网页版的输入框上方，悄无声息地多了两个新图标：一个是闪电，另一个是钻石，分别对应着「快速模式」和「专家模式」。窗口里，用户只需点选，就能在不同能力之间切换。

鼠标悬停上去，提示语清楚地揭示了二者的定位：快速模式主打「日常对话，即时响应」；专家模式则「擅长复杂问题」，但高峰时段可能需要等待。两个入口，两种体验，策略已经相当明确。

初步拆解：两个模式，差异何在？

根据目前的多方实测和社区拆解，这两个模式的差异大致浮出水面。

快速模式的体验相当直接。它支持图片和文件中的文字识别，响应速度极快，几乎是即问即答。

这种速度优势，其代价也很可能在于背后调用的模型——普遍推测是一个针对速度做过深度优化的轻量版V4 Lite。用速度换深度，是这类模式的典型思路。

专家模式的定位则截然不同。所有迹象都表明，用户请求被路由到了一个更大、更强的模型，极有可能是DeepSeek-V4正式版的某个版本。不过有意思的是，它目前并不支持文件上传，也尚未开放多模态能力。这不免让人心生疑问：更强的模型，功能怎么反而更少了？

上下滑动查看更多内容

实测对比：能力分野清晰可见

为了验证差异，我们进行了一轮简单测试。测试结果清晰地勾勒出了两条能力曲线的分野。

首先是一项物理仿真任务：要求模型编写一个p5.js程序，模拟球体在一个旋转六边形内的弹跳，且必须考虑重力与摩擦力的影响。结果显示，专家模式给出的代码在物理直觉上明显更胜一筹，球的落点更准确，弹跳轨迹也更符合真实物理规律。

相比之下，快速模式生成的效果，肉眼可见地差了一个档次，物理表现显得生硬且不自然。

这种差距颇具说服力。物理仿真对数学推理和逻辑链条的完整性要求极高，能力稍弱的模型很容易生成那种“看起来像那么回事，但经不起推敲”的结果。专家模式在这里的稳定表现，是实打实的推理能力优势。

不过，能力的比较也并非绝对。在另一些场景下，差异可能并不如想象中显著。例如，网友@AiBattle_ 测试的“制作太空侵略者游戏”任务中，专家模式的输出与快速模式相比，差距就相当有限。

对此，进行测试的网友给出了一个推测：“专家模式现在路由的，很可能仍是某个版本的V4 Lite。完整版的V4在网页端上线，恐怕还得再等一阵。”这个判断与外部媒体的报道时间线基本吻合——有消息称，V4正式版预计今年四月亮相，届时大概率仍是开源领域的最强者，但也明确指出，“很难是碾压级的强”。

换句话说，这次灰度上线的「专家模式」，可能还不是它的最终形态，而是一个重要的能力预览窗口。

再来看看创意写作的表现。一道“为无聊辩护，论证无聊是现代人的奢侈品”的辩论题，两种模式给出了风格迥异的答案。专家模式产出的文本更长，逻辑链构建得更为完整严密；快速模式的文风则更显朴实自然。

上下滑动查看快速模式（前）和专家模式（后）

值得注意的是，在这个任务上，两个模式的响应速度差距微乎其微，甚至专家模式的“思考”时间更短。这有点反直觉，但也很好理解：创意写作任务对模型规模的敏感度，远低于数学推理这类强逻辑任务。

测试揭示了一个核心规律：对于简单任务，两个模式的差异有限；而越是需要深度推理与逻辑拆解的场景，专家模式的优势就越发明显。

经典的“绳子绕地球”数学题（绳子绕地球一圈，加长1米后均匀撑离地面，求缝隙高度）也印证了这一点。虽然两个模式最终都给出了正确答案，但推导过程天差地别。快速模式的解答极为简略；专家模式则一步一步精细拆解，将每一个思考环节都清晰地展现出来，完美契合了“把思考过程写出来”的指令要求。

上下滑动查看更多内容

未来图景：第三个入口与产品分层逻辑

尽管目前网页端只开放了“快速”和“专家”两个入口，但此前的多方爆料已经暗示，第三个选项——“Vision模式”——正在路上。

图片来自互联网

这一设计引发了专业人士的兴趣。长期关注DeepSeek技术路线的博主Teortaxes指出，将“Vision”单独列为一个入口类别，是一个很不寻常的产品设计。他提到，DeepSeek此前曾明确表示，不在网页端部署其视觉-语言模型DS-VL系列，原因是认为其“尚未成熟”。如果Vision模式真的独立上线，那么支撑它的，很可能已经是一个功能完备的全新视觉模型。

Teortaxes在深入分析中提出了一个更大胆的猜测：这个视觉模型，或许并非传统的VLM架构，而可能是某种“深度统一世界模型”，是其Janus系列的下一步演化产物，或者采用了其他更前沿的非传统架构。当然，这只是基于现有信息和技术路线的推测。

社区里也存在不同声音。例如，网友@xhyctf根据逆向工程前端代码发现，所谓的Vision模式，或许并没有独立的模型支撑，而只是快速模式下悄悄开启了一个视觉理解的参数开关。真相究竟如何，仍需等待官方揭晓。

但无论如何，有一点是确定的：DeepSeek在多模态方向上的布局从未停止，或许只是等待一个合适的时机全面释放。而将快速、专家等入口摆在用户面前，其背后折射出的，是一个更具战略意义的转变：

商业现实：从技术普惠到精细运营

没错，DeepSeek终于开始认真考虑产品分层了。

自去年初横空出世、迅速爆火以来，DeepSeek的产品逻辑一直以“反商业”著称——API定价极具竞争力，网页端完全免费开放，所有功能对用户一视同仁，没有任何门槛。这种极致普惠的策略迅速赢得了大量用户，但问题也随之浮出水面：长期维持这种“全免费、无分层”的运营模式，在商业上几乎是不可持续的。

现在，情况正在起变化。将“更强的模型”和“更基础的模型”做成两个明确入口，这本身就是搭建分层体系的骨架。专家模式目前虽然免费，但这个底层架构一旦搭建完毕，后续在其之上叠加付费订阅、额度管理等商业化组件，技术上已没有任何障碍。

当然，分层的目的，绝不仅仅是为了收费那么简单。

将用户流量自然地引导至两个不同入口，让真正需要耗费大量算力进行深度推理的请求走向专家模式，而将日常对话、简单查询留给快速模式——这本身就是一种极其聪明的算力调度与负载均衡策略。通过这种方式，可以在高峰期有效地进行限额与分流，缓解服务器压力，保障核心服务的稳定性。

收费是一条清晰的路径，资源限额是另一条路径。两条路可以任选其一，也可以并行不悖。将整件事拼凑起来看，一个相当完整的铺垫路径已然清晰：

先灰度上线分层入口，让用户体验并感知不同模式的能力差异；随后，逐步打通多模态和更强大的文件处理能力；接着，视觉模式正式开闸；最终，水到渠成地为更强大的模式引入限额机制或定价策略。当然，这仅仅是基于现有产品逻辑的合理推演，毕竟DeepSeken在市场上的打法，向来不按常理出牌。

必须承认，市场为DeepSeek贴上了太多理想的标签——技术理想主义、反商业桎梏、AI普惠先锋。然而，现实是冰冷的：GPU的推理成本每个月都真实存在，且数额不菲。即便其母公司幻方量化在金融领域的收益再丰厚，也很难想象仅靠售卖API就能永远填平一个全球级AI服务无限期免费运营所产生的巨量成本窟窿。

DeepSeek以其强悍的技术实力，搅动了整个AI行业的竞争格局。如今，商业现实与可持续运营的考量，也终将搅动DeepSeek自身的发展轨迹。如何在理想与现实之间找到那个精妙的平衡点，将是它下一阶段最值得关注的看点。