Deepseek多模态终于来了！推理编程能力如何？
Deepseek 多模态版本终于上线！V4‑Flash‑Vision‑Exp 抢先测试来了！本次依旧接入 Deepseek‑Harness，使用祖传测试套件检测推理与编程实力，识图多模态能力后续单独出镜实测。
强约束生成任务完成零失误，24 点运算、密码锁推理全部答对，基础推理能力稳稳在线。
来到编程测试环节，精美浏览器操作系统 UI 观感尚可，但是右上角图标弹窗失效；太空射击游戏生成失败，找不到战机且按键毫无响应；3D 赛车游戏成品效果优秀，功能整洁只是难度偏高；Trello 看板耗时将近一小时生成，卡片、列表增删拖拽全部正常可用。
本次测评耗时太长，新版模型推理速度和编程产出耗时问题值得留意，你打算第一时间上手体验这款新模型吗……
微信赞赏
相关推荐
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
2026-09-11
Deepseek V4.1 Flash正式版测评！究竟有多能打？
Deepseek V4.1 Flash 正式版实测来了！模型刚上线就惦记着测试，抽时间在 pi 平台开启测评，尽量降低 harness 带来的干扰，思考模式直接拉满开始测试。 推理能力测试 第一题 · 强约束指令句子生成：要求全部句子以「一到十」结尾，通读全部语句都通顺达标。 第二题 · 新版 24 点：要求给出三组解法，结果三组答案全都违规——数字重复使用，不符合「每个数字只能用一次」的硬性规则。 第三题 · 七位数密码锁推理：高难度推理题顺利算出正确答案。 编程项目测评 浏览器操作系统：桌面带有动态动画效果，还有精致小组件，弹窗、Dock 应用运行正常，可惜压轴太空射击游戏无法交互，差了最后一步。 3D 赛车游戏：让人眼前一亮，是这么多轮测评里完成度顶尖的作品，画面精致，车辆模型完整，整体效果非常惊艳。 Trello 看板：采用深色 UI，审美因人而异，卡片拖拽动画效果一般，其余基础功能都正常可用。 整套测试下来，24 点推理题和太空射击项目留下遗憾，但 3D 赛车的代码实现确实足够亮眼。大家怎么看待 Deepseek V4.1 Flash 正式版的这套实测表现...
2026-09-29
AirLLM！4G显存跑70G大模型！穷人Deepseek部署指南！
手头没有强劲显卡、又想本地部署几十上百 B 参数大模型的兄弟，这个开源项目值得看一下——不过有言在先，速度肯定是慢的。它就是 AirLLM，号称 4G 显存就能跑 70B 大模型，目前在 GitHub 上已经攒了 38K 多颗星。前两天分享的 FreeToken 用 4G 显存跑 35B 已经够厉害，AirLLM 更夸张。 用法简单到离谱：pip 装上 airllm，一行代码把 HuggingFace 的模型名传进去，就能在自己的游戏本上跑推理。原理说穿了不复杂——大语言模型由多个 Transformer 构成，每个 Transformer 又分多层，AirLLM 让显存里一次只放一层参数，其他参数躺在硬盘上，用的时候再搬进来。所以显存占用取决于「单层有多大」，而不是模型总大小。 关键在于：不用量化、不用裁剪，精度一点不打折。往上加码也不虚——405B 的 Llama 3.1 用 8G 显存就能跑，671B 的 DeepSeek V3 只要 12G，连 2.8 万亿参数的 Kimi K3 都号称 4G 以内能跑，Mac 上苹果芯片照样能玩。更狠的是，它现在还能在 6G 显存...
2026-08-01
Deepseek V4 Flash最新测评！Claude Code版！
上期完成 DeepSeek V4 Flash 在 Codex 平台测评，本期统一拉满 High 思考深度接入 Claude Code 复测，用全套标准化用例横向对比模型真实表现： 基础指令、24 点运算、密码锁逻辑推理全部答对，仅十条顺序句子存在单句通顺度瑕疵 代码生成环节暴露统一痛点，所有大型开发任务耗时动辄数十分钟，判断是新模型上线调用高峰算力拥堵导致 自制桌面操作系统成品完整性不及 Codex 版本，太空射击游戏交互简陋体验一般 3D 赛车等待 44 分钟但画面与操控效果出色 无第三方库 Trello 看板 UI 清爽，增删拖动全功能无异常 两次跨工具测评输出水准稳定没有大幅波动，能兼顾低成本开发需求，但重度代码项目等待成本偏高。程序员、AI 开发智能体玩家可结合自身任务轻重按需选择使用。 访问入口
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
2026-08-22
Deepseek最新多模态模型测评报告！
万众期待的 Deepseek V4-Flash-Vision-Exp 识图专项测评来了！上期测完推理编程能力，本期专门实测它的图片解析实力，注意这款模型仅支持读取图片，并不能生成图像。 测试前记得将 Deepseek-Harness 升级至 0.1.1-rc2 最新版本，目前也仅有官方 Harness 适配该模型。本次准备了三张实测素材：JS 报错截图、大模型 SWEbench 评分图表、个人博客页面截图。 上传 JavaScript 报错图，模型精确定位未定义变量并给出修复方案；解析跑分图片，完整提取全部数据并整理成表格，解读出关键信息；博客截图转 HTML 代码，生成页面外观高度还原原图，仅次要菜单未开发。整体识图表现亮眼，那么在你心里这款多模态模型究竟打几分…… 访问入口
