---
title: "7 天不聊就断，DeepSeek 腾的是显存"
date: 2026-11-17
category: AI大模型
site: 脑机网
canonical: https://aiai.cafe/a/njw-deepseek-capacity-1117
language: zh-CN
---

# 7 天不聊就断，DeepSeek 腾的是显存

> 11 月 15 日，有用户打开 DeepSeek，看到一行提示。

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。**

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-deepseek-capacity-1117
本内容仅供参考，不构成投资建议。
