如何看待部分社区认为 DeepSeek-V4 的灰度测试是路由 Claude Fable 、 Opus 等模型？

说实话，我刚开始看到这个说法的时候，第一反应是：又来了，又是经典的“套壳论”。

每次有国产大模型更新，总有人跳出来说“这不是自研的，是调了别人的API”。

但冷静下来想想，这次 DeepSeek-V4 的灰度测试被传成“路由了 Claude Fable 或 Opus”，其实背后折射出几个很有意思的问题。

为什么会有这种怀疑？

理由听起来也挺“合理”的：

• DeepSeek-V4 在某些长文理解和指令遵循上的表现，突然和 Claude 3.5 那几款顶级模型非常像，尤其是那种“不急不躁、逻辑清晰、带点人情味”的生成风格。
• 测试用户反馈，它在处理复杂代码和哲学思辨时，写出来的东西跟 Opus 几乎是一个模子刻出来的。
• 再加上 DeepSeek 官方对训练细节一直保密，开源也滞后，很容易让人浮想联翩。

说白了，大家对国内模型的期待值已经被一次次“套壳潮”拉低了。之前某大厂被实锤直接调用 GPT 接口，搞得现在一看到进步太快，第一反应就是“做假”。

但冷静下来，你会发现事情没这么简单

技术层面先不说，单说商业逻辑：DeepSeek 已经发布了那么多开源模型，V2、V3 都是实打实的自研架构（MoE），而且成本压得极低。如果 V4 真的是用 Claude 做路由，那它为什么还要花大价钱搞自己的训练？直接躺平调用不就好了？

再想深一层：模型之间的“风格相似”到底能不能作为证据？

其实 GPT-4 和 Claude 的很多输出，在大量 RLHF 之后会趋同——因为人类偏好是有共识的。我们都喜欢条理清晰、语气温和、不胡说八道的回答。所以一个模型如果做了充分的偏好对齐，出来味道像 Claude 或者像 GPT，太正常了。

我还专门去翻了一些测试者的对比截图，确实有些回答的句式、用词甚至标点习惯都和 Claude 高度重合。但这种事情，你很难说清是“被动了手脚”还是“恰好对齐到了同一类数据”。

我更愿意相信什么？

我的个人判断是：大概率不是路由。

原因有三： 1. 成本对不上。如果真路由顶级闭源模型，推理成本会比自研高出一个数量级，而 DeepSeek 一直以低价和免费策略打市场，这种商业逻辑说不通。 2. 能力分布有差异。从测试反馈看，DeepSeek-V4 在一些特定任务（比如超长上下文中的细节召回）表现甚至超过 Claude，但在创造性写作上又不如 Opus 自由。如果是统一路由，很难解释这种不均匀的强弱项。 3. 官方态度。DeepSeek 团队在开源社区一直很坦诚，V2/V3 的技术报告都很详细。如果真做了路由，这种透明度的团对不可能冒着信誉崩塌的风险去造假。

但话说回来，这种争议背后真正值得关注的，是什么？

其实，社区之所以会这么敏感，恰恰说明大家对“国产模型要做到顶级水平”这件事，既不信任又抱有期待。

不信任，是因为过去被忽悠太多次了；期待，是因为谁不想看到一个真正的国产巨头站起来呢？

我觉得与其纠结“它是不是套壳”，不如去看具体的测试结果——如果 DeepSeek-V4 真能在保持低成本的同时，达到接近甚至部分超越 Claude Opus 的水平，那无论它用的是什么技术路径，都值得给个掌声。

毕竟，真正的高手，从来不需要靠“证明自己不是别人”来获得认可，你拿作品说话，大家自然会闭嘴。

最后说句掏心窝子的：别光吵吵，赶紧去灰度测试名额抢一个，自己跑跑评测，比看一百个分析帖都管用。