Deepseek V4 Pro 重测报告!自家Harnesss上表现如何?
发表于|更新于|大语言模型
在 DeepSeek Harness 复测 DeepSeek V4 Pro,网上流传模型自家框架专属优化的说法实际效果存疑;拉满 max 思考深度,强约束指令测试结果甚至比 Codex 平台还要差,24 点、密码锁推理作答正确;编程项目中浏览器系统、太空射击游戏表现有所改善,但 3D 赛车滑行 BUG 严重,Trello 看板 UI 与功能依旧出彩,综合来看本次复测整体不及 Codex 上的表现,大概是模型本身存在缺陷……
相关推荐

2026-08-29
Claude害了我孙割啊!各大语言模型怎么答的?
借着近期热议的孙宇晨与景甜事件,本期视频根据网传小作文还原出对应的提示词,实测多款热门大模型会给出怎样截然不同的抉择答案。 首先上场的 Claude 第一次回答选择「给」,结果让人意外,开启全新会话二次提问却变成「不给」。足以看出大语言模型属于概率模型,同一问题多问一遍结局就有可能彻底反转! 随后我们横向评测了一众主流 AI: ChatGPT 给出了「给」的答复 马斯克旗下 Grok、豆包、DeepSeek、千问、Kimi、GLM–5.3–Flash、文心一言均回复「不给」 腾讯元宝选择「给」 一场趣味吃瓜评测之余,也给所有人提了一个醒:千万不要把人生重大决策交给 AI,它输出的结果仅能当作参考,关键事情建议多次提问、跨模型交叉对比结果再下定论…… 访问入口

2026-07-31
Deepseek V4 Flash正式版测评!终于支持Codex了!
全新 DeepSeek V4 Flash 正式版完整实测,当前仅开放 Flash API 通道,Pro 版本下月上线。原生支持 Responses API 无需额外中转工具,一行命令即可完成 Codex 配置,推理档位调至 High 开启全套标准化测试;基础指令、24 点运算、密码锁逻辑推理全部精准通关,文本约束零失误语句通顺,但代码生成环节短板突出,浏览器桌面系统、3D 赛车、Trello 看板三大开发任务单次耗时动辄半小时,运行频繁断链重连还会额外增加代码自检流程,3D 赛车成品交互效果优秀堪同年同梯队标杆,桌面系统存在控件排序、操作失灵问题,看板界面渲染异常竖线干扰但基础功能可用,整体和 Codex 适配存在明显磨合缺陷,长代码生成耗时严重降低开发效率,后续会切换 Claude Code、OpenCode 多工具复测对比,程序员、AI 开发从业者可参考本次实测结果合理选型… 访问入口
2025-12-26
Claude Code LSP!DeepSeek可以用吗?
昨天分享了个Claude Code最新的更新,其中有一个是可以使用LSP来快速查找和定位函数等。有朋友问说我后面接的是国内deepseek等大语言模型的话可以用吗?

2026-10-18
Deepseek 1017 专武测评报告!大跌眼镜啊!
DeepSeek Harness 上的 DeepSeek V4 Flash 1017 版测评报告来了。前一晚我们已经在 Pi 上测过一次,效果感觉一般般,于是粉丝提议在 DeepSeek Harness 上再测一遍,义不容辞。这次 Harness 升级到最新 preview 版本 v0.2.1-rc.2,这个版本对 1017 做了适配;模式用极简模式,思考深度拉到最高 Max。 第一题,强约束指令遵循句子生成测试,结尾都是从 1 到 10 收官,我认真看了下,所有句子都是通顺的。第二题,鹈鹕土星环骑自行车 SVG 测试,坦白说效果还没有在 Pi 上测的好:首先这个转弯肯定是不行的了;第二,和 Pi 上一样,跑道没有落在土星环上。 第三题,复合弓射箭 SVG 测试,有几个问题:第一,复合弓上下滑轮都是顺时针方向旋转;第二,箭射出去之后,手上的箭还在;第三,箭明明是平射,却突然往上跑了;第四,弓箭手右手握弓,箭却在右手外侧,左手要穿过来到右手外侧拉弓,这有多别扭。 第四题,实现一个精美的浏览器操作系统。UI 看上去还可以,但右上角弹窗里日历的日期高亮部分是椭圆的,不是个好设计;...

2026-09-08
Deepseek V4.1 测评报告!究竟有多能打?
Deepseek 全新内测 v4.1‑flash 中间版实测来了!模型标识为 deepseek‑v4.1‑flash‑expires‑on‑0910,直接搬出祖传全套测试用例,在 pi 环境把思考模式拉满开启测评。 第一题强约束指令生成测试,句子结尾全部满足 1‑10 格式,仅有第七句语句不通顺其余表现尚可。 第二题新版 24 点需要输出三组解法,三个答案全部正确。 第三题七位数密码锁推理也成功算出标准答案。 来到编程能力测试,第四题精美浏览器操作系统出现桌面空白,推测背景图加载失败,弹窗与 Dock 栏功能正常,但太空射击游戏直接报错无法运行。 第五题 3D 赛车游戏完成度很高各项功能运行正常。 第六题零第三方库 Trello 看板界面中规中矩,列表、卡片的增删改拖拽全部可以正常使用。 整套测评下来浏览器操作系统项目拖了后腿,否则可以拿到更高分数,不过作为 flash 版本整体响应速度十分出众,大家对这个模型有什么想法欢迎评论区留言。 访问入口

2026-09-25
Deepseek V4.1 Flash 新版鹈鹕SVG测评报告!
之前有粉丝留言,希望我把 Benchmark 里「鹈鹕骑车」这道题的难度调低之后再重测一遍,这样也能和其他几个模型、包括最近测过的 GPT-6 放在一起横向对比。这一期就来兑现这个承诺。 说起来,这道题原版的提示词确实太难了。后来我专门标注了「转弯的时候动作必须自然平滑,不能出现车身倒立或瞬间闪现掉头」,把难度降了下来,这次就先从 DeepSeek 开始测。开始之前,我们先回顾一下上一次的测评效果。 看结果:这次鹈鹕终于是沿着土星环骑行了,转弯的效果比之前好了很多,整个转弯过程也算比较顺畅。 不过问题还是得说。第一,自行车下方那个很大的「鸡爪」是什么鬼?第二,鹈鹕的翅膀没有扶着车把;第三,鹈鹕的脚跑哪去了?这三个问题在上一次测评里都是没有出现过的,可见 DeepSeek 对这道题的处理确实很不到位。 其余题目没有改动,所以博客上的分数我会继续沿用之前的得分。坦白说,这次总体结果并不比上次好。大家怎么看呢? 访问入口
公告






