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呢……