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

2026-09-08
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

2026-08-28
Deepseek Harness 入门(15)!峰谷费用仪表盘!
这款 dsh-cost-meter 插件能帮你精准把控费用!安装之后左下角实时展示账号余额、当日消费金额,还会贴心提示距离峰谷收费切换的剩余时长,方便大家错峰使用节省成本。 每一轮对话结束,对话框下方立刻显示本次聊天产生的花费,哪怕只是发送一句 hi,也能看到产生了三分多钱的消耗。进入插件设置里的费用菜单,还可以查看详尽的用量报表、开启高峰期弹窗提醒,各类自定义选项十分丰富。 想精细化管控模型开销的开发者,不妨亲自上手体验一下。 访问入口 dsh-cost-meter 插件(峰谷费用仪表盘插件)

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

2026-09-13
Deepseek V4.1 Flash 鹈鹕SVG测评报告!
本期视频把祖传测试用例升级到了 V2.2,其中第二、第三道题做了替换:原本的两道推理题换成「鹈鹕土星环骑自行车 SVG 测试」和「复合弓射箭 SVG 测试」,其余题目保持不变。这一集先用这两道新题试水,看看 DeepSeek 最新的 V4.1 Flash 表现如何。 第二题「鹈鹕土星环骑自行车 SVG 测试」出师不利。模型完全没有按照提示让鹈鹕沿着土星环骑行,看起来是对提示词里「土星环环形跑道」的理解出了问题。考虑到这是新题第一次测,我给了它第二次机会重新跑,结果依然不行——自行车踩到环道左右两侧时完全不懂得转弯,而是快要踩出环道的时候突然「闪现」回正确方向。不过值得一提的是,两轮测试里鹈鹕和自行车的结构都没有出现任何问题,画面本身是立得住的。 第三题「复合弓射箭 SVG 测试」同样暴露出三个明显问题:第一,拉弓时上下两个滑轮转动方向相同,但按真实复合弓的机械结构,上面滑轮逆时针时下面应该顺时针才对;第二,人物的两只手像麻花一样纠缠在一起,手部结构明显不对;第三,人物是直面屏幕,而不是面向靶子射击。 需要说明的是,本期只重测了升级后的第二、第三题,其他题目的分数继续沿用 V...

2026-07-20
Deepseek V4 Pro 最新测试!最新benchmarks!
本期带来 Deepseek V4 Pro 最新 benchmark 全面测评,涵盖编程、推理、数学、多模态等核心维度对比。DeepSeek-V4 Pro 是幻方量化推出的高性能大语言模型,采用 MoE 架构,拥有超长上下文处理能力。本期视频通过最新 benchmarks 数据,直观展示 V4 Pro 在各大榜单的表现,与 GPT-4o、Claude 3.5 等头部模型的差距,帮你判断这款国产开源模型是否值得信赖。 访问入口

2026-05-27
Deepseek 原生 Codex 杀到!AI编程神器!
DeepSeek推出了原生Codex——一款对标OpenAI Codex的AI编程助手。与通过API接入的第三方方案不同,DeepSeek原生Codex深度整合了DeepSeek模型的能力,在代码理解、生成和调试方面更加高效。它支持类似Codex的Agent模式、TAB补全和自然语言交互。作为国产AI编程工具的重要里程碑,本视频全面测评DeepSeek原生Codex的能力和实际体验。 访问入口
公告






