同一个模型昨天封神今天摆烂？拆开是四件事，归你管的有两件

用户的原话通常长这样：「同一个模型，昨天那段封神，今天从头拉到尾」「感觉在抽卡」 「是不是我提示词写崩了」。三句抱怨，其实混着四个互不相干的方差来源。这篇把它们逐个拆开， 先给结论：四个来源里你能真正拧动的有两个；剩下两个，知道它们存在，本身就是解药。

动手前先划一条界。AI 续写还有一种「越写越差」，那是方向性的单调滑坡， 我们在 20 轮漂移实验里单独写过； 这篇管的是另一件事：同一个位置、同样的操作，这一次和上一次为什么质量不同。漂移是坡，方差是抖。

来源一：采样温度，每个字都在抓阄

模型落笔前，手里是一张下一个字的概率表：「他」四成，「剑」两成，「忽」半成。 temperature 决定按表抓阄时手有多野：调到 0 永远抓概率最高的那个，调高则冷门选项也有机会上场。 写作恰恰是官方建议手野一点的场景：DeepSeek 的参数文档给创意写作类推荐 1.5，是它列出的全部场景里最高的一档，代码和数学则推荐 0.0（2026-07-18 核对）。 厂商替你把旋钮预设在「抽卡」这一格，因为拧到底的代价是每一句都安全而平庸。

顺带纠正一个常见直觉：重 roll 修不了任何东西，它只是在同一张概率表上再抽一次。 抽出更差的结果和抽出更好的一样合理，模型没坏，你也没做错什么。

这是第一个可控项。嫌波动大就把温度往下调，或者干脆换个发挥稳的模型——九模型双盲横评里「稳」和「好」是两个独立维度： 有模型恒定及格也恒定不像，有模型高光和翻车贴着走。

来源二：你以为的「同样操作」，窗里的料早换了一批

续写发给模型的上下文是一扇固定大小的窗，书却在变长。窗装满之后，每写一段，最早的内容被挤出去一截； 更要命的是成分变化：写到第十五轮，窗里可能一大半是 AI 自己前十四轮的手笔，它参考的「原著」越来越多是它自己。 我们量过这条曲线：裸提示词的链 20 轮里句长波动系数从 0.64 掉到 0.52， 给上下文标注「哪段是原著、哪段是续写」之后，同一指标回升到 0.64。 所以隔了十段再点续写，操作没变，窗里已经不是同一批材料。你没变，料变了。

这是第二个可控项，治法叫结构化供给：设定按需注入而不是靠原文赖在窗里，来源标注打开。 再送一个免费探测器：供应商返回里有缓存命中字段（DeepSeek 叫 prompt_cache_hit_tokens）， 它突然从九成掉到零，说明这次请求的前缀和上次不一样了。我们有一篇专盯这个字段的账单笔记， 当时抓出来的元凶是一行每分钟都在变的时间戳。还有一类变化更隐蔽： 设定条目按相关性每轮重排，内容一个字没少，顺序变了，对模型就是另一份上下文。

来源三：你什么都没动，服务器动了

把温度调成 0、上下文逐字节冻结，同一个请求发一千次，总该一样了吧？不一样。Thinking Machines 2025 年 9 月的实测： 温度 0，同一提示发 1000 次，收回 80 种不同输出，前 102 个 token 完全一致，第 103 个开始分叉。 根因与玄学无关：推理服务器按当时的负载把请求拼成大小不一的批次， 常用算子的浮点结果又随批次大小变化，差出一个字，后面全变。

这个你控制不了，换供应商也躲不掉，CPU 和 TPU 上同样存在。 至于「高峰期偷偷换量化版模型」这类传闻，我们没有可核实的证据，不替它背书； 能拿实验钉死的只有上面这层。它对读者的意义很实际：一次翻车不构成对模型的判决， 那可能只是恰好拼进了一个倒霉的批次。

来源四：变的可能是屏幕前的你

最后一个来源没人愿意认领。我们的双盲横评里，两位互不知情、认真到给每轮写笔记的评审， 在两套匿名映射下把首尾名次判得完全一致，却在第四、五名上始终谈不拢，各自标了低置信。 争的是「恒定及格」和「高开炸尾」哪个更好，这是审美权重问题，职业评审也没有标准答案。 深夜两点让你心头一紧的段落，第二天午后重读只觉得普通，中间隔着的不是模型更新，是你睡了一觉。

这条最短，但评估自己状态的成本是零，重 roll 一次的成本不是。

现在是哪一源在咬你？三步分诊

写崩的当下可以现场验。第一步，同一提示词原地连发三次：三次散得厉害，是采样和服务批次在晃， 调温度或者干脆接受；三次都稳定地差，那不是抽卡，去查上下文。第二步，回想这轮「变差」 是不是发生在连续写了很多段之后：是的话，大概率是窗里成分漂了，开来源标注， 或者从一个干净的分支重新起笔。第三步，如果只有深夜觉得差，先去睡觉。 三步的顺序有讲究：便宜的检查放前面，怪自己放最后。

两个旋钮怎么拧，两个包袱怎么放

归你管的：采样，按文体调温度，波动耐受低就选横评里「稳」字辈的模型； 上下文，设定条目化、来源标注打开，让窗里的成分可控。 不归你管的：服务批次和你自己的状态，对策相同，别用单次结果下判断。

最后说回「抽卡」。抽卡真正的问题不在随机，在抽完即弃：重 roll 把上一发覆盖掉，好坏都无从比对。 方差既然消不干净，不如把它接住——重要节点让模型一次给三个方向，并排读完再挑， 输掉的候选也留在原地随时能回头。我们自己现在就这么写：温度不动，候选常开， 「抽卡」的手感自然消失了，因为没有哪一发是最后一发。