DeepSeek：从“国运级”到平庸化的AI之路

DeepSeek在半年前的全球轰动，曾让无数人称其为“国运级”的项目。然而，仅仅半年后，它似乎就“落下神坛”了。这是真的吗？我们查看了QuestMobile发布的《2025年二季度AI应用价值榜》，发现DeepSeek的月均下载量从第一季度的8111.3万降至如今的2258.9万，降幅高达72.2%。有人将其归咎于DeepSeek生成“幻觉”内容，如今，社交媒体上“如何去除DeepSeek的AI味”已成为热门话题。当用户在反复修改提示词试图消除文本中的机械感时，一个残酷的问题浮现：这位“AI天才少年”，是否正重蹈方仲永的平庸之路？今天，我们将深入探讨这一问题。

去AI味儿运动：当完美文字沦为“机械积木”

在小红书上，搜索“DeepSeek”+“AI味儿”会看到大量用户在吐槽DeepSeek胡编乱造的内容：

用户@光年之外XXX只是想向AI咨询如何挽回前男友，但DeepSeek给她的措施包括“向公安备案情感骚扰记录”、“报名南极科考志愿者”以及“攻读清华大学脑机接口与情感神经学硕士”，这让她哭笑不得，只能吐槽大模型「完全是在胡说八道」。

用户@螺蛳粉大王XX希望DeepSeek能帮他找到旅游目的地附近最好吃的十家外卖店，结果当他按照给出的答案进行搜索，才发现十家“口碑好店”竟然全部不存在，都是大模型伪造的结果。

用户@半夏_XXX引用了DeepSeek提供给他的引用文献，但他检索发现有关“国家发改委产业经济研究所2023年的报告”根本不存在，当他向DeepSeek质疑时，他发现DeepSeek在思考过程中甚至直接写明“现在用户需要具体的链接，而实际这些数据是模拟的，我并没有真实来源”。

同样编造信息的问题还发生在用户@娜娜真爱X身上，当她询问DeepSeek一家叫做“ComcSoft Corporation”公司的具体信息时，她发现DeepSeek的回答有模有样。而当她继续询问公司所在地理位置时，发现DeepSeek明确在思考过程中写明“由于这是一个假设的公司，实际中可能不存在……”。

太多用户对大模型编造答案的表现“积怨已久”，而这只是大模型表现糟糕的一部分。

用户@学术兔的吐槽也引发了众多网友的共鸣，她提到“DeepSeek写的论文引言满是‘然而’、‘此外’”，导师批注说论文的行文风格“像机器人拼好的积木”——这种被称为AI腔的症状，正是越来越被用户感知到并吐槽的“AI味儿”。

DeepSeek为何“变笨”？

大模型冷冰冰的AI味儿，原因在于回答内容背后隐含的逻辑暴力：

正如以上所提到的，大模型对连接词的过度依赖已经渐成病症。许多逻辑上关联不强的内容都被过渡生硬的套上了“首先/其次/综上所述”，从而迫使研究者用提示词禁用特定词汇。与连接词类似，大模型似乎也钟情于“短句”，这些程式化短语的高频出现，某种程度上也割裂了叙事的节奏。

另外，大模型的回答似乎格外热衷于数据本身：例如描述实验结果为“根据表3数据可知……”，却忽略了科研现场的细节推导与求证——冷冰冰的数字表现出了大模型逻辑对数据的极尽追求。

除了底层的逻辑暴力外，一个更令人担忧的现象是互联网本身的“数据代谢病”。当DeepSeek等大模型吞噬网络语料时，它们也正吞下自己制造的“语言毒素”：

第一，AI生成内容污染训练池：据斯坦福大学《2025年人工智能指数报告》研究显示，中国生成式AI用户达2.3亿，其中30%用于内容创作。而这些AI创作出的带有机械基因的内容再次作为训练养料被重新投入训练……

第二，人类语言习惯被反向驯化：有报道称，欧洲许多Open AI的用户发现大模型给出的答复中“delve”一词出现的频率极高……

而在更深层次，大模型本身就带有着胡编乱造的“娘胎病”，这一症结即是「大模型致幻」。

马里兰大学的科研团队在今年通过引入AutoHallusion 框架……

通过一系列的测试……他们认为：大模型认知幻觉的漏洞根源……

再者，DeepSeek模型本身在训练语料上也有致命伤。

据今年一月份发布的赛迪智库报告显示……

还有一点也值得一提，即内容审查。

对抗平庸化：重掌思维主控权的突围指南

那么，在大模型这场无法避免的“技术退化运动”中，我们又该如何对抗平庸？我有三点建议：

第一点……

第二点……

第三点……

结语：在工具理性中保存思想的野性

DeepSeek的“方仲永困境”，折射的是人类对技术寄予的“僭越”期待。但真正的智慧从不在芯片中诞生……