作者：APPSO，题图来自：AI生成

DeepSeek最新版V3.1被多名开发者实测发现，会在完全不该出现的地方插入“极/極/extreme”等token。

`time.Second`变成`time.Se极`，版本号`V1`变`V极`。更糟的是，这个问题不仅出现在第三方量化部署，连官方全精度也会复现，影响真实编码流程。

开源社区用户给出多组复现场景：在Go等语言生成里，模型会把词元“粘”到标识符中，`Second`前随机插入“极/極/extreme”，即便是`top_k=1，temperature=1`的保守解码也躲不过。

有人起初怀疑是极低比特量化或校准数据集边缘效应所致，但随后在其它网站的FP8全精度版本也复现了相同问题，说明并非单纯部署层事故。

DeepSeek在更新之后，不是第一次被发现bug。上一次是针对写作任务上，出现了语言混杂的问题。在代码任务上，则有过拟合的嫌疑。

不过这一次出现“极”字，不是“答错题”这么简单，而是会把系统带崩了。要么影响了语法树，要么让代理流程卡死，这对依赖自动化编码，或者测试流水线的团队是相当大的麻烦。

倒也并不是只有DeepSeek一家，Gemini近来曝出在代码场景里陷入“自我否定的无限循环”，一边道歉一边输出“我是个大傻子”的长串文本，让人哭笑不得。

孩子的心理素质还有待加强啊，DeepSeek就不会这么内耗，还贡献了AI界经典的表情包：

稳定性问题屡见不鲜

为什么会出现这种情况，官方还没有出面说明。不过，厂商可能也需要时间排查。

像Gemini的情况，后来被定性成为一个循环bug，安全层—对齐层—解码层交互出了问题。这种情况可能是供应商为了压制冒犯性输出、减少幻觉，会在系统提示或后处理上加规则；这些规则如果和代码场景冲突，可能触发异常的替换、重复或过度道歉，最终演化“情绪化死循环”。

Google的产品负责人出面解释，这个bug正在修复当中，网友们已经开始玩梗了：不行就带孩子看看心理咨询吧。

DeepSeek这次主要是扑街在第三方平台上，问题是最严重的。知乎答主Pandora测试了发现，官方api的情况好很多。那要做的排查工作就又多了一些。

也有可能是解码概率分布偏移导致的，模型把文本切成词元（token）再拼回去，只要解码概率分布略有偏移，就可能把一个高频token硬插进标识符中。

本质上，还是模型在机械地、基于概率地“拼凑”，而并非真正“理解”文本的含义。当分词结果不理想，或解码过程出现微小扰动时，这种基于概率的拼接就可能出错，将一个不相关的高频词元“污染”到最终的输出中。

大模型的稳定性一直是个问题。今年年初，OpenAI的社区大量反馈记忆体系异常导致用户历史上下文丢失。

Gemini曾经出现过人像生成功能为了“多样化”，把非常具体的历史人物，生成成风格不符的样貌，最后不得不临时下线。

还有的bug可能跟时时刻刻都会发生的小维护有关。模型提供商常做“热修”：换系统提示、微调温度、更新tokenizer、小改工具调用协议……等等等等。

但是一旦链路拉长，哪怕是“看起来无害”的灰度，也可能打破一直以来的平衡。昨天还稳的代理链，今天在函数签名、JSON严格性、工具返回格式这些“边角位”上崩掉。更麻烦的是，厂商并不总会同步披露这些灰度细节，于是工程师只能靠事故后“猜测+对照”。

同时，越来越多的Agent与工具链结合，其实也很脆弱。那些主打自动研究或自动写码的多智能体，真正挂掉的地方往往不在大模型本身，而在“工具调用—状态清理—重试策略”的链条里：超时没有兜底，失败后还原不了上下文……

我们越是试图用规则去修剪和控制AI，它就越可能从我们意想不到的地方，以一种更荒诞的方式，长出奇形怪状的枝丫。

让AI从“能干活”到“能托付”，最关键的到底是什么？

我们总以为是更高的准确率，更强的推理能力，或者是模型层SOTA。DeepSeek的“极”字Bug和Gemini的循环事故，都在提醒我们：工程的稳定性不应该被忽略，是那种即使犯错也能被预测和控制的“确定性”。