利用 DeepSeek V4 Flash 精煉 GPT-OSS 120B，金融推理超越 Kimi K3 且未遺留政治審查
為何重要
這項實驗確立了利用特定領域優勢的開源模型（如 DeepSeek）進行精煉，能有效避開發卡侖限制並降低推理成本，為開發者在受限環境下獲取高階模型能力提供了具體的技術路徑。對產業而言，若此現象通用，純粹側重開放與推理能力的中國開源模型將成為開發者與資本眼中的高價效比替代選擇。
開發者展示透過 Distillation（知識萃取），將受嚴格審查的中文教師模型（DeepSeek V4 Flash）訓練的美國模型（GPT-OSS-120B）。實驗證明該過程未遺傳政治審查行為，反而在金融領域達到 83.61% 的基準分數，超越 Kimi K3 的 81.93%，且問詢成本僅為 Kimi K3 的 1/160。