AI 助手也開始分 " 快慢班 " 了？深度求索的最新動作，揭開了大模型服務分層的一角。

4 月 8 日，深度求索（DeepSeek）在產品端上線了 " 專家模式 "，與原有的 " 快速模式 " 并列。更新后，用戶在網頁輸入框上方能看到兩個圖標：閃電代表 " 快速模式 "，鉆石則對應 " 專家模式 "，兩者定位截然不同。

快速模式追求即時響應，滿足日常對話。它支持圖片和文件中的文字識別（基于 OCR 技術），最多可處理 50 個文件，知識更新至 2025 年 5 月，風格直接簡潔，旨在以最低等待成本解決普遍問題。

專家模式則被定位為處理復雜任務的專用通道。它擅長深度思考和復雜求解，可搭配聯網搜索。但為確保算力集中于推理，當前版本暫不支持文件上傳，知識庫截止于 2025 年 5 月和快速模式一致，且在高峰時段可能需要排隊。

使用過程中，專家模式響應會出現卡頓或者服務器繁忙的情況。

實測了一下，讓兩種模式分別寫一篇專家模式的新聞報道，專家模式內容結構更為合理，可讀性更強。

若是讓它生成一個簡單游戲畫面，兩者出來的框架及畫面效果差異不大，反而專家模式的游戲體驗難度較為不合理。

很多網友第一時間也做了測試比較，測試者讓兩種模式分別編寫一個模擬球在旋轉六邊形內彈跳的 p5.js 程序，要求球體運動受重力和摩擦力影響。結果顯示，專家模式給出的程序運行結果更符合物理直覺，落點精準，彈跳軌跡真實；而快速模式的結果則明顯遜色不少。

分析認為，物理仿真對數學推理能力要求極高，弱一點的模型容易出現 " 看起來像物理但實際上不對 " 的情況，專家模式在此類場景中的優勢是實打實的能力差異。

這種差異，直接體現了兩種模式背后資源調度的不同優先級。

模式差異的根源，在于底層推理策略與架構優化方向不同。專家模式深度適配 DeepSeek 自研的混合專家模型（MoE）架構，最大化釋放模型的深度推理能力，此次更新也被業內普遍視為下一代旗艦模型 V4 發布前的重要預演。

這種架構通過一個門控網絡，為每個輸入動態選擇一小部分專精于不同任務（如語法分析、代碼生成）的 " 專家 " 子網絡進行計算。其精妙之處在于，模型能保持龐大參數總量（如 DeepSeek-V3 的 6710 億參數），卻僅激活一小部分（如 370 億）來處理特定任務，從而在保持強大能力的同時，大幅提升計算效率。快速模式則可能基于更輕量化或經過不同優化的版本，優先保障響應速度與并發能力。

行業分析認為，雙模式設計是平衡高昂算力與多元需求的必然選擇。將計算密集型任務導向專家模式，日常對話交由快速模式處理，是一種精細化的資源分配策略。這既能為專業場景提供強大能力，又能以較低成本維持海量用戶的日常體驗。

下一代旗艦模型 V4 將在多模態能力上實現突破。不同于當前通過 OCR 間接處理圖像，V4 據稱采用原生多模態架構，能真正同時理解、處理并生成文本、圖像乃至音頻，實現 " 一次輸入，全模態輸出 "。還有 V4 旨在突破現有模型 " 對話關閉即遺忘 " 的限制，通過創新記憶架構，使 AI 能像人類助手一樣記住歷史交互，自主歸納用戶習慣。通過 MoE 架構演進、更智能的稀疏注意力機制，以及深度適配國產算力芯片，DeepSeek 致力于在提升性能的同時大幅降低訓練與推理成本。未來的模型將更擅長自主規劃、調用工具并完成復雜工作流。

因此有行業認為，專家模式對深度思考的側重，正是在為此鋪路。另外，多次被提及的 V4 的多模態能力，在此次更新中一個重要的 "Vision Mode" 并未上線。

值得一提，豆包專家模式 2 月 14 日上線，全能深度智能體，偏綜合辦公 / 多模態 / 工具鏈，強在圖文、文檔、圖表、中文創作、工具內化。雖然都叫 " 專家模式 "，但兩者定位、技術路線、能力長板、使用體驗差異非常大。

同樣的實測，用豆包編寫的模擬球在旋轉六邊形內彈跳的 p5.js 程序，效果及界面內容較為簡單。

當 AI 開始為你 " 思考 " 得更深，我們準備好與之長期協作了嗎？

來源：星河商業觀察