Недавно в сообществе исследователей искусственного интеллекта разгорелась настоящая дискуссия. Всего через неделю после выхода DeepSeek V3.1 пользователи обнаружили странный сбой: модель неожиданным образом постоянно вставляет в текст один и тот же иероглиф — 「极」 (в переводе «крайность», «экстремальный»). Ошибка проявляется хаотично: при написании кода, составлении экзаменационных работ или даже во время попытки «самоисправления».
Как заметили «эффект 极»
Первые сообщения пришли от пользователей Zhihu и разработчиков, тестировавших DeepSeek на разных платформах — от VolcEngine API до сторонних реализаций. Один из них отмечал, что при генерации текста иероглиф внезапно «вклинивается» в середину предложений. Причём при повторных вызовах вероятность повторения бага сохраняется.
Другие подтвердили проблему: у кого‑то в коде внезапно появлялись слова вроде «极客园», а у некоторых всплывал целый фрагмент «极速赛车开奖直播».
Похожие эффекты подтвердились и на Reddit. Там разработчик обратил внимание, что в таблице токенов DeepSeek три разных варианта («极», «極», а также английское extreme) имеют близкие ID и часто всплывают как приоритетные варианты при декодировании.
Возможные причины: от «грязных данных» до MTP
Сообщество активно строит гипотезы:
- “Грязные данные”. Многие склоняются к мнению, что на этапе предобработки обучающих наборов данные не были достаточно очищены. В них могли встретиться повторные шаблоны («极长的数组» — «крайне длинный массив» и др.), которые модель потом заучила как своего рода маркер.
- Сбои токенизации. Один из пользователей Reddit отметил, что ID токенов для省略号 («…») и «极» находятся рядом (2576 и 2577 соответственно). Это может провоцировать путаницу при декодировании.
- MTP (multi‑token prediction). Там, где стеки вывода не поддерживают многотокенное предсказание (например, в llama.cpp), проблема проявляется чаще. На официальных API DeepSeek, где MTP реализован, баг фиксируется заметно реже.
Многоязычный сбой и «синдром код‑свитчинга»
Интересно, что не только символ «极» стал проблемой. Некоторые пользователи жалуются, что DeepSeek V3.1 в процессе перевода «смешивает языки» — добавляет английские слова или оставляет китайские иероглифы в русском и испанском тексте. Иногда это встречается на 5% от результата, иногда — лишь изредка.
Почему это важно для индустрии
Случай с DeepSeek V3.1 стал очередным напоминанием: даже при создании сложнейших моделей «приземлённое» качество данных играет решающую роль. Как отмечает исследователь 黄哲威 (StepStar AI), «большинство багов при инференсе — это следствие проблем с данными. Просто обычно они проявляются не так ярко и сообщество их не замечает».
Этот баг показал, что даже в топовых моделях открытого доступа могут сохраняться скрытые «шумы» и артефакты, способные заметно повлиять на доверие пользователей.
Вывод
История с «любовью к символу 极» — больше, чем курьёз. Она подсветила ключевую проблему современной AI‑разработки: гонка за скоростью выхода новых версий иногда отвлекает от самого главного — качества исходных датасетов.
Пока DeepSeek готовится к выпуску ожидаемой версии V4, случай V3.1 остаётся предупреждением: без внимания к деталям даже лучшие архитектуры могут превратиться в источник мемов про «глюки в Матрице».
Хотите создать уникальный и успешный продукт? СМС – ваш надежный партнер в мире инноваций! Закажи разработки ИИ-решений, LLM-чат-ботов, моделей генерации изображений и автоматизации бизнес-процессов у профессионалов.
ИИ сегодня — ваше конкурентное преимущество завтра!
Тел. +7 (985) 982-70-55
E-mail sms_systems@inbox.ru