加两 token 注释让 Host B 成功率翻倍：同权重不同托管差异悬案

No_Pea_6625 · reddit · 2026-11-09

作者用同一个 700 行 Python 重构任务（温度 0、同一 prompt、每主机跑 9 次）对比三个 DeepSeek V4.1-Flash 托管端点：官方 API 7/9 干净完成，廉价转售商 Host A 4/9（还无视指令改测试文件），Host B 仅 3/9（做到第三个模块就忘了系统提示里的文件布局）。

最初怀疑 Host B 用了量化或旧版本权重，但受 Seed 论文「phase sensitivity」启发，他做了一个小实验：在文件顶部加一行 docstring（两个额外 token，无语义内容）。结果 Host B 从 3/9 升到 6/9，Host A 从 4/9 升到 7/9，官方维持 7/9。同样的权重和语义，仅前缀长度不同就显著改变答案质量——这不像量化损伤能解释的。作者承认 n=9 样本极小，但指出采样噪声通常不会因前缀微调而回弹，并公开征求更省算力的干净验证方法，表示愿意分享 prompt 和测试 harness。