DeepSeek Harness 上的 DeepSeek V4 Flash 1017 版测评报告来了。前一晚我们已经在 Pi 上测过一次，效果感觉一般般，于是粉丝提议在 DeepSeek Harness 上再测一遍，义不容辞。这次 Harness 升级到最新 preview 版本 v0.2.1-rc.2，这个版本对 1017 做了适配；模式用极简模式，思考深度拉到最高 Max。

第一题，强约束指令遵循句子生成测试，结尾都是从 1 到 10 收官，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，坦白说效果还没有在 Pi 上测的好：首先这个转弯肯定是不行的了；第二，和 Pi 上一样，跑道没有落在土星环上。

第三题，复合弓射箭 SVG 测试，有几个问题：第一，复合弓上下滑轮都是顺时针方向旋转；第二，箭射出去之后，手上的箭还在；第三，箭明明是平射，却突然往上跑了；第四，弓箭手右手握弓，箭却在右手外侧，左手要穿过来到右手外侧拉弓，这有多别扭。

第四题，实现一个精美的浏览器操作系统。UI 看上去还可以，但右上角弹窗里日历的日期高亮部分是椭圆的，不是个好设计；再看 Dock 栏应用，计算器的 UI 也不行，上面都被挡住了，按钮同样是椭圆的，难看；终端的输入框边框也太丑了。最后看压轴的太空射击游戏：说是实现了 WASD 键的移动，但我按下去没有任何反应，只能用鼠标移动；也说不太明白它的射击是怎么玩的——按下 Space 键后，子弹是从瞄准器射出一束很短的激光，而不是从飞机上发射出去的；敌机也太小了，有些就是一个点。

第五题，实现一个 3D 赛车游戏，玩了一下，这个实现完全没有问题。第六题，无第三方库实现一个高颜值 Trello 看板，这个就更离谱了：一打开就有一个弹窗出来，点击关闭按钮又关不掉，太烂了。

最后大家看下花费：总共花了我 8 块多、73M 的 tokens，这钱花得不值。测评下来坦白说，我觉得还没有上个视频在 Pi 上测的好，这不会又是 DeepSeek 的一个过拟合问题吧？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。最后问下大家，大家对这个模型怎么看呢？