DeepSeek 昨天更新了 V4.1 Flash 模型，一个明显的改动是缩短了输出长度，让回答更快也更省钱。
我之前写过两篇这个问题，面临最多的质疑就是说我把思维链当输出作为 diss 素材，把我给 diss 惨了。
在此之前，用它辅助编程经常会被满屏的冗余文本折磨。想要一段简单的配置，偏要按查了什么、怎么分析和如何验证的顺序铺垫一遍，主要内容分散在回答的各个角落。
这种车轱辘话不是模型能力不行，而是训练时的评测标准把步骤自证误当成了高质量回答。为了证明自己干了活，模型倾向于全盘托出推导链路，再顺手叠加上大量以防万一的免责假设。
在模型评测体系里，把细节讲全的回答通常能拿到高分。然而落到真实的工程场景中，回答中的推导步骤写得越满，阅读成本就越高，实际交付效率反而断崖式下跌。
这就导致实际干活的时候我只关心最终结果，模型在自证逻辑，牛头不对马嘴。
官方显然也意识到了这个问题，新版本用强化学习纠偏了这种指标失真，主动砍掉了大量废话。
新版本在 Terminal-Bench 测试的成绩从 31.2 分直接涨到了 42.3 分，Terminal-Bench 测试对于模型输出的准确度要求很高，输出内容越多越冗余，就越容易导致命令失真，得分就更低。
可以说这一次的更新完全就是针对我提出的问题来的，这是实打实的真实体验，没有重度使用经验的人是体会不到的。