DeepSeek学霸的降维打击：没刷榜，在工位打游戏，模型能力却控制不住地涨

　　文 | Tech 商业

图自推特

　　在 AI 大模型这个极度内卷、日夜鏖战的赛道里，如果有一家公司的员工在工作时间公然打游戏，还能让模型能力蹭蹭上涨，友商们的心理阴影面积会有多大？

　　最近，几张疑似 DeepSeek（深度求索）内部员工的群聊截图在网上疯传，上演了一出极其硬核的“凡尔赛”大戏。

　　在截图中，一位 ID 为“非对称加密”的员工抱怨：“deepswe 真没刷，不小心高了，这个点控制不住地涨。”紧接着，另一位员工调侃“swe 纯野榜是吧”。而疑似 DeepSeek 后训练团队负责人吴俣（ID 为 WY）接过话茬调侃：“然后告诉我，在训练 ds 的游戏能力”，并感叹：“最近在工位玩游戏的太多了。”随后，“非对称加密”接话自嘲：“我上次打游戏被人拍了，气晕。”

图自推特

　　这段对话迅速在 AI 圈炸开了锅。网友@Leo 打趣道：“没做任何特殊优化，基准分自己涨了；每天都在打游戏，模型能力却越来越强。这让 GLM（智谱）和 Kimi（月之暗面）的员工看了作何感想？”另一位网友则一针见血：“难怪 DeepSeek 喜欢招奥赛金牌得主，他们就是那种整天打游戏，最后考试依然满分的人。”

　　这固然是一场带有玩梗性质的互联网狂欢，但剥开这层“凡尔赛”的外衣，它极其生动地折射出了当下中国大模型竞争中的一种令人绝望的智力压制，以及 DeepSeek 这家公司极其独特的商业逻辑与极客文化。

　　被误解的“打游戏”与技术的真实底座

　　在传统的互联网大厂，如果员工在工位上打游戏，大概率会被 HR 约谈。但在 DeepSeek，这种“不务正业”有着截然不同的技术逻辑。

　　对话中提到的“deepswe”，其实指向 DeepSWE——这是一个专门衡量 AI 编程智能体（Agent）解决真实代码库问题能力的权威基准测试。与普通的代码补全不同，它要求模型能够独立定位 Bug、理解复杂的业务上下文，并写出能跑通的补丁。在这个榜单上，DeepSeek 的最新模型曾一度拿下超过 74% 的高分，处于全球第一梯队。

　　“真没刷，不小心高了”，这句话的潜台词是：模型的进化，已经不再依赖大量低效的人工数据标注和机械微调，而是依靠底层算法架构的创新和强化学习（RL）的自发涌现。

　　这背后是 DeepSeek 引以为傲的 MoE（混合专家模型）架构和 MLA（多头潜在注意力）技术。当模型足够聪明，且具备了极强的自我对弈和逻辑推理能力时，所谓的“刷榜”就变得毫无意义。只要给足算力，让模型自己去探索，它的能力就会呈现指数级的跃升。

　　吴俣所说的“在工位玩游戏”，很大程度上是这群极客工程师在极高强度的脑力消耗后的一种调剂。在打游戏的间隙，这帮人可能正在脑子里飞速推演张量并行的切分策略，或者在思考如何让强化学习的 Reward Model 更加精准。这种看似松散、实则极致专注的氛围，才是他们能够不断做出“反直觉”突破的土壤。

　　极致的“精英浓度”与奥赛金牌定律

　　网友关于“奥赛金牌得主”的调侃，恰恰点出了 DeepSeek 乃至整个前沿 AI 领域的核心竞争壁垒——人才密度。

　　DeepSeek 的创始人梁文锋有着浓厚的量化背景，他创办的幻方量化曾在A股市场以算力强悍著称。在组建 DeepSeek 团队时，梁文锋定下了一条极其反常规的用人标准：不看大厂履历，偏爱应届生，尤其偏爱顶级数理竞赛的奥赛金牌得主。

　　这群人有什么特点？极其聪明、极其纯粹、对技术有着狂热的信仰。在传统的互联网大厂，员工需要花费大量时间在写周报、做 PPT 汇报、跨部门沟通对齐上。但在 DeepSeek，管理极其扁平，这群天才们不需要靠“996”来向老板证明勤奋。

　　他们能在极短的时间内看透复杂的数学公式，能敏锐地捕捉到论文中最核心的创新点。当这样一群智商碾压常人的人聚集在一起，用最敏捷的方式去迭代代码时，外界的“内卷”在他们看来，可能只是一场无聊的过家家。

　　这就好比班里的学神，表面上每天带你打游戏，背地里早就把公式的推导逻辑盘得明明白白。他们说自己“没刷榜”，大概率是真的——因为在正确的底层创新面前，单纯的刷榜毫无意义。这种极致的自由，换来的是极致的创造力。

　　GLM 与 Kimi 们的“窒息感”

　　如果把视角转向友商，这段截图带来的恐怕是深深的窒息感。

　　月之暗面（Kimi）和智谱（GLM）同样是国内顶尖的大模型团队，他们同样汇聚了清华、北大的天之骄子，同样在拼命迭代模型。但两家公司的处境和战略重心，决定了他们无法像 DeepSeek 这般“松弛”。

　　智谱脱胎于清华实验室，带着浓厚的学院派色彩。过去他们重心在于政企客户的本地化部署，但如今已全面向云端 API 服务（MaaS）转型，其 API 收入占比在近期已飙升至八成以上。他们必须维系庞大的企业客户网络，每一个版本的迭代都要经受商业级应用的严苛考验。而 Kimi 在长文本领域打响知名度后，曾经历过疯狂砸钱投放广告的阶段，但近期已果断踩下刹车，大幅削减营销费用，将资源全面收回至底层模型研发（如 K2 系列），试图用技术上限来打破僵局。

　　近一年来，国内大模型圈陷入了疯狂的“卷榜”模式。为了能在跑分上压过竞品，各家公司的工程师们通宵达旦，甚至不惜在测试集上做定向优化（过拟合）。因为榜单排名直接挂钩下一轮融资的估值和下一季度的营销预算。

　　但这时候，DeepSeek 突然抛出一个模型，不仅开源，API 价格还直接打到行业底裤，且跑分直接杀入全球第一梯队。更气人的是，对方的人还跑出来说：“我们真没特意刷，每天都在打游戏。”

　　这种落差感，不仅打脸了同行的技术路径，更动摇了某些“靠资本堆砌、靠营销驱动”的大模型公司的发展叙事。这就好比在战场上，你花重金雇佣了三万精兵，布置了严密的阵型，结果对方派来一个剑客，轻描淡写地一剑就把你的大营给挑了。这种基于纯粹智力的降维打击，比单纯的落后更让人绝望。

　　极客乌托邦的B面：自由与风险的交织

　　然而，任何硬币都有两面。DeepSeek 这种极度依赖天才直觉和自由探索的“极客乌托邦”模式，也并非没有隐忧。

　　首先是商业化的挑战。顶尖科学家擅长攻克技术壁垒，但大模型最终要走向市场。如何在保持技术领先的同时，构建起繁荣的开发者生态，或者找到高利润的 To B/To C 应用场景？在这一点上，DeepSeek 显得克制甚至有些佛系，这可能会在长跑中限制其商业价值的最大化。

　　其次是组织规模的极限。当团队只有几十、上百人时，扁平化管理和纯粹的技术驱动能爆发出惊人的战斗力。但当公司规模随着业务扩张而膨胀时，如果没有严谨的现代企业管理制度，极客文化很容易演变成各自为战的混乱。缺乏外部压力的“自由”，往往会在不知不觉中滑向效率的深渊。

　　但至少在这一刻，DeepSeek 的这群工程师用最松弛的姿态，打着最硬核的仗。他们用实际行动证明：在绝对的算法创新和顶尖智力面前，靠堆人力搞“人海战术”的平庸迭代是不堪一击的。

　　结语

　　大模型的下半场，竞争的焦点正在从“谁烧的钱多、谁的显卡多”，回归到“谁的算法更优雅、谁的人才更顶尖”。

　　“在工位打游戏”只是一个由头，它撕开了 AI 行业最残酷的一面：在这个由全世界最聪明的大脑主导的竞技场里，努力只是标配，天赋和灵感才是决定上限的胜负手。

　　对于 GLM 和 Kimi 们而言，与其看着竞争对手的“凡尔赛”群聊焦虑，不如回去好好想想：怎么才能招到下一个不用刷题、边打游戏还能考满分的天才，并且给他一张足够安静的办公桌，以及不需要天天写周报的自由。

　　本文来自微信公众号“Tech 商业”，作者：Tech 商业，经授权发布。