不调API、不用GPT，国产大模型DeepSeek如何单框跑赢全球5746支队伍？ ...

  这比赛真不是闹着玩的：600万人民币总奖池，52国选手、907所高校、13913人报名，光队伍就凑出5746支。赛题是腾讯广告的真实业务场景——怎么让推荐系统更懂用户、更省预算、更扛住流量洪峰。往年冠军清一色靠“堆算力+调参+多模型投票”，这次「日之光面」反其道而行：先让DeepSeek读完全部技术文档和baseline代码，再让它拆解问题本质；遇到卡点，不是重跑模型，而是让模型反推“这个指标上不去，最可能漏了哪类特征”；写代码时直接让模型生成可调试的分段逻辑，再人工校验边界条件。说白了，他们没把AI当“答题机”，当成了“一起熬夜改bug的搭档”。

  当然，DeepSeek能扛住这场极限测试，背后是实打实的工程底子：长上下文理解稳、数学推理不掉链子、代码生成错误率低、对中文技术术语的理解比很多英文模型还准。但更关键的是——这群人压根没把“工具强”当成捷径，反而用最朴素的方式把工具榨干：问得细、试得狠、改得勤。就像他们在赛后分享里说的：“模型再快，也快不过你搞清楚问题本质的速度。”600万奖金落定，真正值钱的不是那个网页框，而是框里框外那群没被工具驯化、反而驯服了工具的人。

  这事传开后，不少参赛者回去翻自己比赛时的浏览器历史记录——好家伙，光是调API密钥就开了17个标签页，模型对比表格写了三版，连prompt engineering都做了AB测试。结果呢？人家冠军队用的还是官网默认界面，连深色模式都没切。有位清华参赛队员赛后自嘲：“我们给模型喂了20GB日志数据，他们给模型喂了20分钟思考时间。”

  其实细看他们的操作流，根本没玄学：第一天通读赛题文档，让DeepSeek逐段总结“腾讯广告系统当前瓶颈在哪”；第二天把baseline代码丢进去，让它指出“哪三行最可能拖慢线上推理”，再人工验证；第三天开始，所有代码生成都带明确约束——“不用高级库，只用numpy和pandas，每段加中文注释，输出前先列三个可能出错的边界”。不是模型多聪明，是人把问题拆得足够薄、足够透。

  更实在的是，他们压根没碰“黑箱优化”。比如预算超支问题，别人猛上强化学习调参，他们让DeepSeek先画出成本-转化率的拐点示意图，再问：“如果只允许改一个参数，哪个改动对ROI提升最确定？”答案指向一个被所有人忽略的冷启动衰减系数——调完这一个数，单日预算利用率直接从68%拉到91%。

  这不是第一次有人靠“少用工具”赢比赛。2023年Kaggle医疗影像赛，冠军团队全程没用预训练模型，靠手写特征工程拿下第一；去年阿里天池的物流调度赛，黑马队伍放弃图神经网络，用动态规划+业务规则硬刚，反而更稳。技术圈早有共识：越靠近真实业务，越难靠“大力出奇迹”蒙混过关。

  说到底，DeepSeek网页版这次爆火，不是因为又出了个“全能神模型”，而是它第一次让普通人看清了AI的正确打开方式——不靠堆资源，靠敢问“为什么”；不靠抄方案，靠肯花时间校验“是不是”。就像决赛评委、腾讯广告算法负责人在闭门会上说的：“我们不缺能跑通SOTA的工程师，缺的是能把业务语言翻译成数学语言、再把数学语言翻译回业务动作的人。”

  那扇网页输入框，从来就没锁着什么秘密。它一直开着，等的只是愿意先想清楚、再敲下第一个字的人。