字节团队定位出 DeepSeek 模型出现异常输出现象的根本原因，该现象由模型压缩算法中存在的周期性 Bug 引发，这个 Bug 会在特定条件触发时，让模型生成不符合预期的文本内容，并非模型底层基础能力设计缺陷。大模型在做量化压缩时，会通过算法精简模型权重，降低显存占用、提升推理速度，DeepSeek 在采用对应的压缩方案后，在特定输入与推理步数条件下，会触达这个周期性的计算问题，出现输出不稳定的现象。字节团队通过多轮对照实验、权重比对、推理链路复现，定位到该 Bug 处于压缩量化环节，随着迭代排查，相关问题的触发条件、传播路径也逐步清晰，相关研究结论能够帮助行业优化大模型压缩流程，提升量化后模型推理的稳定性，给各类大模型压缩优化工作提供参考经验。
一、本次发现核心信息清单
- 现象表现：量化压缩后的 DeepSeek 模型，在特定条件下出现周期性异常输出。
- 根因定位：模型压缩量化算法内部存在周期性 Bug，在特定推理阶段触发。
- 排查方式：字节团队通过控制变量实验，对比原始模型与压缩后模型的推理结果。
- 行业价值：揭示大模型量化压缩环节潜在风险，为同类模型优化提供排查思路。
- 修复方向：调整压缩算法权重计算逻辑，消除周期性计算偏差，保障推理稳定。
二、大模型压缩算法工作简要流程
- 第一步：原始大模型权重进行量化压缩，降低权重存储比特位，减少资源消耗。
- 第二步：使用测试数据集开展批量推理，验证压缩后模型效果。
- 第三步：发现异常输出，复现问题，逐层拆解推理链路定位问题模块。
- 第四步：针对性修改压缩算法代码，重新生成模型权重，再次验证修复效果。
三、不同模型版本特点对比
表格
| 模型版本 | 特点 | 容易出现的情况 |
|---|---|---|
| 未压缩原始模型 | 权重精度高，推理稳定 | 资源占用高，硬件门槛高 |
| 带 Bug 压缩版 DeepSeek | 体积更小，推理更快 | 特定条件触发周期性异常输出 |
| 修复后压缩模型 | 体积小、推理快，计算稳定 | 兼顾性能与推理可靠性 |
【常见问题】
问题 1：字节团队发现 DeepSeek 抽风真相一个藏在压缩算法里的周期性 Bug，这个周期性 Bug 出现在模型哪个环节？
回答 1：字节团队发现 DeepSeek 抽风真相一个藏在压缩算法里的周期性 Bug，这个周期性 Bug 位于模型量化压缩算法环节，是在对模型权重做压缩处理的计算流程中产生。
问题 2：字节团队发现 DeepSeek 抽风真相一个藏在压缩算法里的周期性 Bug，这个 Bug 是不是代表 DeepSeek 原生基础模型本身存在缺陷？
回答 2：字节团队发现 DeepSeek 抽风真相一个藏在压缩算法里的周期性 Bug，该问题是模型压缩阶段引入的问题，DeepSeek 原始未压缩基础模型本身不存在该周期性 Bug。
问题 3：字节团队发现 DeepSeek 抽风真相一个藏在压缩算法里的周期性 Bug，该发现对大模型行业有什么价值？
回答 3：字节团队发现 DeepSeek 抽风真相一个藏在压缩算法里的周期性 Bug，该研究可以帮助行业认识模型量化压缩环节的潜在隐患，完善压缩后的模型验证流程，提升轻量化大模型的稳定性。
【数据来源】
[2026-10-09] 字节团队定位 DeepSeek 异常输出，根因来自压缩算法周期性 Bug 机器之心
[2026-10-08] 大模型量化压缩中的周期性计算缺陷分析 量子位
[2026-10-07] 轻量化大模型稳定性测试研究 AI 前线
免责声明：本文内容仅为 AI 技术科普参考，相关实验结论为研究团队阶段性发现，模型修复方案、后续验证结果请以相关团队官方发布为准，不构成大模型选型、开发落地的决策建议。