二甲双胍21年数据没打出长寿证据，根源在于找不到严格健康人做试验
内容提要
文章对比了 DeepSeek v4.1 Flash 与 GPT 6 Luna 的编程能力：GPT 6 Luna 基准得分较前代下降 2 分，而 DeepSeek v4.1 Flash 仅用少量激活参数便在代码任务上大幅反超，提醒用户编程大模型可能悄然变弱。
延伸解读
版本升级不等于能力提升
文章指出GPT 6 Luna在编程基准测试中得分较前代GPT 5.6 Luna回落2分，说明模型迭代未必带来能力增长。读者应警惕“版本号越高越强”的惯性认知，实际使用中需以具体任务表现为准，而非盲目追随版本更新。
激活参数效率的启示
DeepSeek v4.1 Flash仅用占总参数一小部分的激活参数，就在代码任务上大幅反超同价位对手。这提示读者，模型能力不完全取决于参数规模，激活参数效率可能成为同价竞争的关键变量，选型时可关注实际任务表现而非参数总量。
同价体验差异需实测验证
文章强调两者同价但体验不同，且GPT 6 Luna得分回落。这提醒读者，定价相同不代表能力对等，编程大模型可能悄然变弱。在依赖模型完成代码任务时，应定期用自身场景做小规模对比测试，避免因版本升级而遭遇能力倒退。
Q&A
GPT 6 Luna 在编程基准测试中的表现如何？
GPT 6 Luna 在编程基准测试中得分较前代 GPT 5.6 Luna 回落了 2 分。
DeepSeek v4.1 Flash 在代码任务上有什么突出表现？
DeepSeek v4.1 Flash 仅凭占总参数一小部分的激活参数，就在代码任务上实现了大幅反超。
为什么说编程大模型可能会悄悄变弱？
因为像 GPT 6 Luna 这样的模型在版本升级后，编程基准得分反而比前代下降了 2 分，而用户可能毫无察觉。
DeepSeek v4.1 Flash 和 GPT 6 Luna 在编程能力上有什么对比？
同价位下，DeepSeek v4.1 Flash 用少量激活参数就在代码任务上大幅反超了 GPT 6 Luna，而 GPT 6 Luna 的得分较前代回落了 2 分。
用户对编程大模型版本升级应该持什么态度？
不应盲目为每一次版本升级满怀期待，因为模型可能在用户毫无察觉的情况下悄悄变弱。
