Deepseek V4 Pro 重测报告！自家Harnesss上表现如何？
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……
微信赞赏
相关推荐
2026-09-08
Deepseek V4.1 多模态测评！能打吗？
Deepseek V4.1 预览版多态实测来了！上一轮我们测试推理与编程能力，今天直接拿祖传多态测试用例检验图像能力，该模型暂不支持视频，所以只做图片测试。 首先传入《老无所依》电影截图片名询问影片名称，任务跑了二十多分钟，Deepseek Harness 浏览器几乎卡死，只能终止任务。过程中模型可以识别画面内容，但始终识别不出电影名字。换一张同影片简单截图，耗时五分钟多才成功识别出来。 接下来判断图片里对话亭相对黄色货车的方位，模型准确答出右侧，答案无误。 找不同题中，精确定位第一行第四列倾斜十二度，多观察能力可圈可点。再提升难度，统计画面里雄鸳鸯数量，雄性 5 只识别正确，雌性统计出错——把画面左侧的野鸭错误计入雌性鸳鸯数量。 原本准备两道视频测试题，受限于模型不支持视频输入无法开展。整体图片测试有亮点也有明显短板，大家觉得这个模型多模态水平到底如何…… 访问入口
2026-08-01
GPT 5.6 Luna最新测评报告！打得过Deepseek V4 Flash吗？
GPT5.6 Luna 迎来大幅调价，性价比对标 DeepSeek V4 Flash，本期用统一测试用例与高思考深度完成完整实测： 推理与文本约束：默认中等深度输出语句生硬，切换高深度后文本约束效果明显提升，24 点、密码锁推理题全部答对 代码项目：浏览器桌面界面美观可用，太空射击游戏无法正常操作，3D 赛车体验尚可但左右按键反向 Trello 看板：拖拽编辑功能齐全，新增拓展按钮无交互反应 综合结论：整体综合性能和 DeepSeek V4 Flash 不相上下，适合有低成本推理、前端开发需求的用户 两款热门平价模型实测对比看完就能分清适配场景。 访问入口
2026-09-01
Deepseek Harness（16）！终于出Office全家桶了！
Deepseek‑Harness 办公套装发布了 dsh‑univer‑office 开源插件，直接补齐中文文档短句，无需云端，本地就能一键产出 PPT、Word、Excel，图表、公式全都支持。 实测生成了一份 3 页 PPT，成品效果十分亮眼。完全免费开源，不受次数限制，生成速度飞快，妥妥的 Deepseek‑Harness 必备技能。 AI 产品狙击手，每天分享免费 AI 工具和技巧，关注我…… 访问入口
2026-02-16
Deepseek 重大升级！大海捞针测试！
我们都知道deepseek很好用，但是上下文长度128K一直是硬伤，无论是聊天还是编程，稍微聊多一会上下文就爆了。用claude code等时你不时的就要跑下斜杠命令compact来压缩下上下文，很是恼火的。这两天deepseek偷偷升级，Context Window 终于提升到1 M，也就是一百万 tokens，也就是150万到200万中文字左右。这个我们得赶紧验证下，准备做个大海捞针测试… 访问入口
2026-10-18
Deepseek 1017 测评报告！答案也许不是你想要的！
今天新出的 Deepseek V4 Flash（1017）测评报告来了。本来下午 5 点多就在小破站直播开测，一直跑到晚上 11 点多才结束——太慢了。原因估计一是刚发布用的人太多，二是我开了 Max 模式。不管了，大家先看结果吧。 第一题，强约束指令遵循句子生成测试。结尾都是从 1 到 10 收的，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。整体效果相当不错：鹈鹕和自行车的部件都没看出什么问题，转弯也很完美。唯一一个问题是环形跑道没有落在土星环上。 第三题，复合弓射箭 SVG 测试。几个问题：第一，箭头是反的；第二，箭本来是平射出去的，却突然往上拐了弯；第三，人物的手像麻花一样扭在一起；第四，放手的时候弓弦已经复位了，箭却还没射出去。 第四题，实现一个精美的浏览器操作系统。这个实现前后经过了两次调整，看过直播的应该有印象：第一次根本进不去桌面，第二次 Dock 栏应用点了没有反应，最终才得出现在这个效果。打开调试模式一看，是 Finder 有 bug——按理说这一项应该直接判失败了，因为其他模型测评我不会给第二次机会；但毕竟花了好几个小时...
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
