11 月 15 日,有用户打开 DeepSeek,看到一行提示。
“算力不足,不再支持超过 7 天不活跃的长对话。”
同一批变化还有两条:单次输入上限缩到 4 万字左右;每日对话有额度,用完会显示“因服务器繁忙,使用额度已达上限”。
到 11 月 16 日,DeepSeek 没有为这次调整发单独公告,也没给恢复时间表。
8 起,和那 4 小时
界面新闻按官方状态页的事件记录数出,10 月以来 8 起服务中断。日期是 10 月 2 日、8 日、12 日(当天两次)、15 日、20 日、27 日,和 11 月 3 日。8 起摊在 48 天里,平均 6 天一次。最长的一次是 10 月 15 日,超过 4 小时——C 端网页和 App 的对话服务,加上 V4 Pro 和 V4.1 Flash 的 API,同时受限,事后 DeepSeek 给 API 用户发了赠金。其余大多几分钟到几十分钟,有的是性能降级,不是完全宕机。
4 小时听起来不长。放到 2208 小时里,是 0.18%。而整个季度的不可用时间是 0.54%。一次故障,占掉三分之一。
这就是长尾的样子:8 起里有 7 起是几分钟,第 8 起把平均拉走了。可用性报表上的小数,往往由一个具体的小时决定。
4 万字能装多少
4 万字,按每页 1500 字的排版估算,是 27 页。
一份 100 页的尽调报告,按同样的密度是 15 万字,一次贴不进去,得拆成 4 段。拆开之后,模型看不到前一半,跨章节的对照就丢了。所以这条限制真正的代价不是“少读几页”,是“丢了上下文里的互相印证”。对天天处理长文档的人,这比 7 天规则更疼——7 天规则影响的是旧账,4 万字影响的是今天的活。
这两条限制其实分工不同:7 天管存量,4 万字管增量,一个回收,一个限流。
折成小时,再看窗口
状态页给的另一个数是可用性:8 月到 10 月,V4.1 Flash 的 API 是 99.46%,V4 Pro 是 99.74%。
99.46% 听着像没事。
自己折一遍。8 月到 10 月是 92 天,92×24 得 2208 小时。不可用的比例是 0.54%,2208×0.54% 得 11.92 小时。年化要乘 365÷92,也就是 3.97,得 47.3 小时。换成天,是 1.97 天。也就是说,按这段窗口的水平,Flash 的用户一年有整整两天调不通。
V4 Pro 用同样的算法:2208×0.26% 得 5.74 小时,年化 22.8 小时。两个模型差一倍,Flash 便宜、调用量大,故障也更多。
11 月 17 日,我打开同一个状态页,看到的不是 99.46%。
页面上方的统计窗口已经变成“2026 年 8 月–11 月”,V4.1 Flash 是 99.55%,V4 Pro 是 99.73%,对话服务 99.83%。同一个页面,前一天记者截图时还是 8 月到 10 月。多算了 11 月上半月,分母从 92 天变成 122 天。再折一遍:122×24 得 2928 小时,2928×0.45% 得 13.18 小时,年化乘 365÷122 得 2.99,结果是 39.4 小时。窗口长了 30 天,年化反而降了 8 小时。这说明 11 月上半月没再出大事,也说明 47.3 不是常数。它是“截至某一天”的数,会随窗口往前滚。
这就是可用性报表最容易骗人的地方:同一个页面,换个日子打开,能读出两个结论。
为什么要砍 7 天
三条限制指向同一个东西:KV cache。
大模型每聊一句,都要把之前所有 token 的键值缓存留在显存里,下一句才接得上。对话越长,缓存越大;同时在线的人越多,显存越紧。一个 7 天没动的会话,占着几十万 token 的缓存,却不再产生任何新价值。这就是那三条的算法:清掉闲置会话,回收缓存;把单次输入压到 4 万字,限制单条缓存的峰值;给每日额度,等于给并发数封顶。
三条都不是模型能力问题,是容量问题。
换句话说,DeepSeek 没有变笨,是显存不够用了。
限的是 C 端,不是 API
界面新闻的报道里有一句关键的:API 侧维持独立的并发限额,与 C 端服务资源池隔离。这句话解释了为什么开发者感受没那么强:4 万字和 7 天是 App 与网页版的规则,API 的上下文窗口没动。两个池子,两套规则。C 端免费,所以先被削;API 付费,所以还能撑。这也是大模型公司的通用做法:把免费流量当缓冲垫。
扩容与半价
11 月 13 日,DeepSeek 开放了全家桶应用 API:在原有接口里打开参数,就能拿到深度思考、搜索、文件输入这些对话能力,语音相关的 OCR、ASR、TTS 也能单独调。两天后,C 端开始限额。一边把能力往外放,一边把入口往回收。这两件事不矛盾:API 按量计费,C 端的免费额度是纯成本。容量紧张时,先收紧不赚钱的那一头,是最简单的算术。
API 侧还有一个杠杆:峰谷定价,闲时是高峰的一半。
这是拿价格把人往低峰赶。批处理、离线评测这类不着急的活,挪到闲时能省一半;在线产品挪不动,只能付全价。限额、峰谷、并发上限,三样是同一套调度工具的不同挡位。
需求翻倍,供给在等
OpenRouter 的周榜能看出压力从哪来。10 月 19 日到 25 日那一周,V4.1-Flash-1017 的调用量是 33.6 万亿 token,环比涨 801%,全球第一;旧版 V4.1 Flash 以 18 万亿排第二。再往前看,7 月底到 8 月初的一周是 7.22 万亿。33.6÷7.22 得 4.65 倍,中间大约 12 周,周均复合增速是 4.65 开 12 次方,约 13.7%。
按这个速度,容量每 5 周要翻一倍。
那一周的榜单前 5 名,全是国产模型。
V4.1-Flash-1017 是 10 月 17 日更新的版本,更新后第一个完整周就冲到第一,旧版还留在第二。
33.6 万亿 token 摊到一周,是每秒 5556 万 token。这是平均值,不分昼夜。
一天 86400 秒,一周 604800 秒,除法很简单,难的是把 5556 万 token/秒持续供上。
对 API 用户,还有个更隐蔽的约束:并发账号上限。deepseek-flash 2500、v4-pro 500,这个数不高,团队一多就排到后面。
供给端最近的新闻是乌兰察布。
科技日报 10 月报道,DeepSeek 计划在那里建 GW 级数据中心,部署至少 16 万颗国产 AI 芯片,2027 年底至 2028 年初逐步投产。16 万颗听起来多,但要到 2027 年底才开始投产。中间这两年,只能靠现有容量调度。另一个被提到的数字是融资:10 月完成二轮 1055 亿元,投后估值 6155 亿元。这条出自中国新闻周刊,DeepSeek 官方没有确认金额,也没确认用途。
16 万颗芯片、GW 级机房、2028 年,3 个数放在一起。
合起来说明供给端不是不想快,是快不了。机房可以一年盖好,电和芯片不行。DeepSeek 没公布自己的算力规模,缺口有多大,外部算不出来,只能从限额的力度反推。
限额是一种排队规则
把这几件事连起来,限额就不是产品决策,是排队规则。资源不够时,平台必须决定谁先拿到算力。DeepSeek 选的规则是“活跃优先”:你在用,就保你;你 7 天不来,就把位置让出去。这比“先到先得”有效率,也更冷酷——它把“曾经用过”和“正在用”分成了两种用户。
对个人用户,影响是旧对话接不上。对开发者,影响在并发上限。对做产品的人,这是一次提醒:把长对话当存储用是有成本的,只是过去由平台垫着。
现在平台不垫了。
99.46% 这个数,折成 47.3 小时,再折成 2 天,才是它真正的意思。
可用性不是一个小数点,是一年里有一天半到两天,你的产品连不上模型。DeepSeek 现在做的,是把这两天尽量挪到不打扰活跃用户的地方。对普通用户,能做的只有两件:把要紧的对话及时导出;别把对话框当网盘。挪得动,是因为它还有得选。挪不动的时候,账会换一种方式收。
免责声明:本文基于公开信息撰写,仅供读者参考,不构成任何投资建议。