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，还是想看下最终效果，于是叫 Deepseek 去 fix 再跑。进去之后 UI 还是挺不错的，右上角的弹窗功能没有问题。再看 Dock 栏里的应用，竟然全部打不开，只能叫 Deepseek 继续修；修完可以打开了，继续测压轴的太空射击游戏——这架飞机的亮度太亮了，根本看不清楚敌机，没法玩。很遗憾的一个实现。

第五题，实现一个 3D 赛车游戏。我们玩了一下，这个实现堪称完美，应该是测评过这么多模型以来最好的一个之一了。

第六题，无第三方库实现一个高颜值的 Trello 看板。UI 看上去还可以，主要功能里发现一个问题：待办卡片拖到另外一个列表之后，原列表中竟然还留了个空白待办，点击后还能打开，这明显是个 bug。继续测其他功能，其他没有什么问题。

最后看看花费：总共花了我 12 块左右，差不多 70M 的 tokens。幸好是在峰谷时段测的，不然花费更贵。

测评下来坦白说，我没有看到比上一个版本有多大的提升。最终得分我还没有算出来，晚点会更新到博客，到时大家自己去看吧。也问一句：大家对这个模型怎么看呢？