DeepSeek連續(xù)三天發(fā)生服務(wù)異常。

3月31日17時，“DeepSeek（深度求索）又崩了”再次沖上熱搜。DeepSeek官網(wǎng)服務(wù)狀態(tài)頁面顯示，3月29日至31日，DeepSeek旗下服務(wù)連續(xù)三天出現(xiàn)不同程度異常，涉及網(wǎng)頁對話、App及API等。故障分別持續(xù)約1小時48分、10小時13分和1小時3分。根據(jù)官方狀態(tài)頁記錄，三次故障均已修復(fù)，目前所有服務(wù)恢復(fù)穩(wěn)定運行。

據(jù)經(jīng)濟(jì)觀察報報道，一位模型技術(shù)社區(qū)負(fù)責(zé)人表示，從2026年2月至今，DeepSeek走過了多個預(yù)期發(fā)布窗口，仍未正式發(fā)布V4，就在市場期待這一模型新品空降時，等來的卻是DeepSeek成立以來最長的一次服務(wù)中斷。

多名國產(chǎn)模型供應(yīng)商人士推斷：此次只有DeepSeek面向C端的產(chǎn)品服務(wù)中斷，或與模型迭代過程中進(jìn)行灰度測試有關(guān)。

前述技術(shù)社區(qū)負(fù)責(zé)人認(rèn)為，DeepSeek已經(jīng)為測試V4準(zhǔn)備好了相關(guān)基礎(chǔ)設(shè)施。3月初，DeepSeek網(wǎng)頁端作出更新顯示，代碼能力與上下文處理均有增強(qiáng)，業(yè)內(nèi)猜測這可能是DeepSeek V4在作隱身測試。

一名與多家模型廠商合作的供應(yīng)商對DeepSeek的隱身測試有個人理解：DeepSeek V4要在4月正式發(fā)布前，提前面向C端用戶群展開產(chǎn)品測試，從而把握其新增的“原生推理層”是否能在處理高并發(fā)請求時保持穩(wěn)定性。

3月30日，DeepSeek技術(shù)團(tuán)隊將服務(wù)中斷問題全面解決后，官方的API文檔中未列出任何關(guān)于V4模型的ID。

上述模型供應(yīng)商分析，DeepSeek在沖擊更高性能架構(gòu)過程中，擴(kuò)張至百萬Tokens級別的推理能力暴露了其基礎(chǔ)設(shè)施建設(shè)的短板，新舊架構(gòu)在底層存儲聚合層出現(xiàn)了沖突。

2026年1月27日，DeepSeek發(fā)布全新DeepSeek-OCR 2模型，采用創(chuàng)新的DeepEncoder V2方法，讓AI能夠像人類一樣按照邏輯順序“看”圖像。這項技術(shù)的核心創(chuàng)新在于改變了傳統(tǒng)AI處理圖像的方式。DeepEncoder V2讓AI基于圖像含義動態(tài)重新排列圖像片段，而非傳統(tǒng)的從左到右剛性掃描。這種方法模仿了人類追隨場景邏輯流的方式。

根據(jù)DeepSeek公布的技術(shù)報告，DeepSeek-OCR 2在多項關(guān)鍵指標(biāo)上展現(xiàn)出顯著優(yōu)勢。在OmniDocBench v1.5基準(zhǔn)測試中，該模型取得了91.09%的成績，相較于前代DeepSeek-OCR提升了3.73%。

值得注意的是，該模型在保持極高精度的同時，嚴(yán)格控制了計算成本，其視覺Token數(shù)量被限制在256至1120之間，這一上限與Google的Gemini-3 Pro保持一致。在實際生產(chǎn)環(huán)境中，該模型在處理在線用戶日志和PDF預(yù)訓(xùn)練數(shù)據(jù)時的重復(fù)率分別下降了2.08%和0.81%，顯示出極高的實用成熟度。

根據(jù)DeepSeek公布的技術(shù)報告，現(xiàn)有的視覺語言模型（VLMs）通常采用固定的光柵掃描順序（光柵掃描順序）處理圖像切片，即機(jī)械地從左上角掃描至右下角。DeepSeek團(tuán)隊指出，這種方式引入了不必要的歸納偏差，與人類視覺感知背道而馳。人類在閱讀復(fù)雜文檔、表格或追蹤螺旋線條時，視線是受語義理解驅(qū)動的“因果流”，后一次注視往往因果依賴于前一次注視，而非單純的空間坐標(biāo)移動。

受此認(rèn)知機(jī)制啟發(fā)，DeepSeek-OCR 2的核心組件DeepEncoder V2被設(shè)計用于賦予編碼器因果推理能力。通過引入可學(xué)習(xí)的“因果流查詢”（Causal Flow Queries），模型能夠在進(jìn)入LLM解碼器進(jìn)行內(nèi)容解釋之前，先在編碼階段就對視覺信息進(jìn)行智能重排序。這實際上構(gòu)建了一個兩級級聯(lián)的1D因果推理結(jié)構(gòu)：首先由編碼器在語義上重組視覺Token，隨后由解碼器對有序序列進(jìn)行自回歸推理。

這種設(shè)計不僅符合光學(xué)文本、表格和公式的非線性布局特征，還有效彌補(bǔ)了2D圖像結(jié)構(gòu)與1D語言建模之間的鴻溝。

DeepSeek-OCR 2的發(fā)布不僅是一次OCR性能的升級，更具有深遠(yuǎn)的架構(gòu)探索意義。DeepEncoder V2初步驗證了使用語言模型架構(gòu)作為視覺編碼器的潛力。這種架構(gòu)天然繼承了LLM社區(qū)在基礎(chǔ)設(shè)施優(yōu)化方面的成果，如混合專家（MoE）架構(gòu)和高效注意力機(jī)制。

DeepSeek團(tuán)隊認(rèn)為，這為邁向統(tǒng)一的全模態(tài)編碼器提供了一條有希望的路徑。未來，單一編碼器可能通過配置特定模態(tài)的可學(xué)習(xí)查詢，在同一參數(shù)空間內(nèi)實現(xiàn)對圖像、音頻和文本的特征提取與壓縮。DeepSeek-OCR 2所展示的“兩個級聯(lián)的1D因果推理器”模式，通過將2D理解分解為“閱讀邏輯推理”和“視覺任務(wù)推理”兩個互補(bǔ)子任務(wù)，或許代表了實現(xiàn)真正2D推理的一種突破性架構(gòu)方法。

綜合自：深度求索官網(wǎng)、經(jīng)濟(jì)觀察報、券商中國

校對：彭其華