两家 AI 都崩了，只有一家上了热搜
原创 · 约 23 分钟阅读 · 阅读 --

两家 AI 都崩了，只有一家上了热搜

作者: Alex Xiang

人工智能工程实践

本文完全由 WorkBuddy 独立收集资料、调试代码并完成文章写作。

扫码注册 WorkBuddy 即可获取 2000 积分

我是 Alex Xiang，前百度/微博工程师，现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。

10 月 15 日早上 8 点 11 分，DeepSeek 开始报错。

早高峰：屏幕黑了，手机在转圈

十几个小时后，UTC 16 点 29 分（北京时间已是 16 日凌晨），OpenAI 状态页挂出一条 major：大面积功能降级，修了 2 小时 27 分。

一边冲上微博热搜，一边只出现在订阅了状态页邮件的开发者收件箱里。同样是几十万人手里的工具同时变砖，两种命运。这不像「谁更差」的问题，更像我们衡量 AI 可靠性的那套尺子，从一开始就没校准。

两条时间线：4 小时 52 分与 2 小时 27 分

先说清楚：这篇不解释原因

DeepSeek 官方给的东西很克制：时间线（8:11 开始、9:06 定位、12:49 修复完成开始观察、13:04 恢复）、影响面（对话服务、V4 Pro、V4.1 Flash，以及另一个组件）、补偿（10 月 8 日至 14 日的 API 消耗全额返赠金），以及一句整改承诺——「全面梳理并剥离单点依赖」。

没有根因。

外界流传三种解释：推理集群与调度层故障、云合作方网关问题、算力供需失衡、运维 SOP 不到位。它们都来自「某模型公司内部人士」「信通领域技术人士」和几位研究者的推测，没有一条被官方确认，也没有一条能被证伪。

所以这篇不写「为什么崩」。写的是另一件事：它崩得算不算多，别人是不是也这样，以及我们该用什么姿势依赖它。

「故障次数」是最容易骗人的指标

先把三种被混着叫「崩了」的东西拆开：

中断是整站不可用，你连换个模型都做不到；降级是慢、报错率上升、某个模型不可用；限流不是坏了，是不让你用。

它们被同一个词概括，于是数字可以直接对撞：

  • DeepSeek 官方事件日历口径，2026 年至今 44 次服务异常，其中约 10 次超过 1 小时；媒体另有一种统计叫「18 次大面积宕机」。
  • Anthropic 状态页从 1 月 1 日到 9 月 3 日记录了 358 条事件，2025 年全年 335 条，2024 年 191 条——但 2026 年至今只有 17 条 critical，绝大多数是单模型十几分钟的降级。
  • OpenAI 9 月至少有 20 条标题点到 ChatGPT 的事件；9 月 16 日到 25 日这十天里，状态页连着记了 12 条。
厂商2026 年记录其中真正严重的口径
DeepSeek44 次异常约 10 次超过 1 小时官方事件日历
Anthropic358 条记录17 条 critical状态页 1/1–9/3
OpenAI9 月 20 条十天里 12 条按状态页标题计数

把这三个数并排放，然后说「Anthropic 比 DeepSeek 差 8 倍」，是耍流氓。358 条里可能有一条是「某个模型在某个区域慢了十分钟」，DeepSeek 那 44 条里可能有 10 条是「整个对话服务没了」。它们不是同一种东西，只是被记在了同一栏里。

真正该问的不是「几次」，是「多严重、多久、波及谁」。

唯一能横着比的指标：可用率

次数不可比，但有一项可以：各家状态页自己公布的可用率。

DeepSeek 状态页（2026 年 7 月至 10 月）显示，各组件可用率在 99.44% 到 99.74% 之间，最低的是对话服务 99.44%，V4.1 Flash 99.46%，V4 Pro 99.74%。

Anthropic 截至 9 月初的 90 天：claude.ai 99.41%，Claude Code 99.45%。

两个数字几乎是同一个。而且 Anthropic 的月度曲线还在往上走：7 月 99.01%、8 月 99.59%、9 月 99.70%。

可用率对比：两家都在 99.4% 附近，谁也没到 99.9%

99.9% 是大多数企业软件合同的底线，折合每月 43 分钟停机。两家都没摸到。99.95% 是每月 21 分钟，更远。

OpenAI 干脆不公布可用率，只公布事件。这本身也是一种披露选择——你可以看到它什么时候坏，但没法算它一共坏了多久。

崩法不一样，感知差了一个量级

同样是「不可用」，形态差得很远。

DeepSeek 这次是整站黑：对话服务、两个主力 API 一起挂，用户在网页、App、接口三个入口同时撞墙，连「换个模型试试」这条退路都没有。

Anthropic 和 OpenAI 更多是碎片化降级：今天 claude.ai 挂了但 API 还好，明天是 Codex 单独出问题，后天某个型号的模型报错率上升。你在状态页上能看到五颜六色的黄灯，但手里的活儿常常还能换个入口接着干。

结果就是：前者的用户体验是停摆，后者是抖动。

人会记住停摆，不会记住抖动。这就是为什么 DeepSeek 的 4 小时 52 分能上热搜，而 OpenAI 同期那 2 小时 27 分，连中文科技媒体都没怎么报。

左边整排熄灭，右边只坏了两块

容忍度不是一条线，是五层楼

同一个 5 小时，落在不同的人身上，重量完全不同。

第一层，闲聊和娱乐。宕机等于今天的段子，容忍度以小时计。

第二层，单次写作与查询。换个工具，几分钟接上，容忍度以十分钟计。

第三层，开发者 API。有重试和退避，但如果撞上限流，错误会直接变成你产品的事故——用户看到的不是「DeepSeek 挂了」，是你的 App 挂了。

第四层，Agent 长任务。一条链跑几十步，断一环全链失败。这一层的容忍度接近零，因为损失不是「等一会」，是「从头再来」。

第五层，企业生产系统。要 SLA、要审计、要满足监管的运营韧性要求。这一层不看「修得快不快」，看「合同里写没写」。

同一场故障，五层楼的不同重量

问题在于，很多人是从第一层的心态进场，却在第四层的场景里依赖它。

Agent 把「偶发」变成了「每天」

这里有个很硬的数学。

单次调用可用率 99.5%，听起来不错。但一个任务要串 100 次调用时，全部成功的概率是 60.6%——也就是说，四成的任务至少会撞上一次故障。50 次调用是 77.8%，10 次是 95.1%。

如果单次可用率是 99.9%，100 次调用还有 90.5%。

调用链越长，单次可靠性越不够用

而 agent 恰恰是长链、高频的东西。有统计说，agent 请求平均消耗的 token 约是人类直接请求的 15 倍；V4 Flash 在 OpenRouter 上占 agent token 流量的 70%。调用量上去了，撞上故障窗口的概率自然跟着上去。

所以「偶发故障」在 agent 时代是个伪概念。对单个用户是偶发，对每天跑几百条链的团队，是必然。

断一环，全链失败

采购路径决定了心理归类

为什么同样的事故，大家对 AI 的容忍度远高于对云数据库的容忍度？

因为 AI 是「报销单」买的，数据库是「基建预算」买的。

一个团队用 Claude Code，是某个工程师刷信用卡订阅的；接一个模型 API，是某个项目里顺手加的依赖。它们没有进过风险登记表，没有做过业务影响分析，也没有人问过「它挂了我们的哪条业务会停」。

于是它被归类成「工具」，享受着工具的宽容；但它实际承担的，是基础设施的职责。

这一层错位，在 9 月 3 日被撕开过一次：ChatGPT、Claude、Grok 在同一天出问题，原因各自独立。很多团队那天才发现，自己准备的「多供应商备份」根本没用——三家一起挂，备份的是同一个东西。

能做的四件事

第一，把「换个模型」做成一条阶梯，而不是一个开关。主模型 → 同厂商轻量模型 → 其他厂商模型 → 非紧急任务排到闲时。最后一级还顺带省钱，闲时价格常常只有高峰的一半。

第二，把上下文当资产，不当聊天记录。换个模型只要一分钟，重建上下文可能要一天。常用提示词、背景材料、关键产出，存成本地文件，两个工具共享。

第三，SLA 别照抄 99.9%。先算你的任务链有多长，再倒推单次可用率的下限。100 步的链要 90% 的整体成功率，单次就得 99.9%；如果只能拿到 99.5%，那就必须把链拆短，或者在中途加检查点。

第四，看状态页的颗粒度，不只看红没红。按产品、按模型、按区域披露的，你能判断「我这一路受不受影响」；只有一个总开关的，你只能等。

泼一盆冷水

这些数字都有毛边，别拿去做结论之外的推论。

可用率是厂商自报的，统计口径各家不同：DeepSeek 用的是 7 月到 10 月，Anthropic 用的是滚动 90 天和自然月，OpenAI 不给。窗口不一样，横向比较只能看量级，不能看小数点。

状态页记录也不等于真实体验。没被记录的降级、区域性的慢、某个套餐特有的报错，都不会进那张表。反过来，一次被记为 minor 的事件，可能正好砸在你最关键的那条链上。

还有一点要平衡：Anthropic 的事故条目三年翻倍，但增长几乎全在 minor，critical 基本没涨，月度可用率还在改善。这说明「记录变多」和「服务变差」不是一回事——披露变细了，账面上的故障自然变多。

但这也洗不掉 DeepSeek 那 4 小时 52 分。整站中断就是整站中断，不能用「大家都这样」抹平。

结语

2025 年，大家比的是谁的模型更聪明。

2026 年，比的是谁的服务不塌。

模型能力的差距在收窄，可靠性的差距还没有。而对一个把 AI 塞进工作流的团队来说，后者带来的损失，往往比前者带来的收益更直接。

参考资料

打开原图 ↗