U2-Flash-1118 测评报告!真的能打吗?
这一集测评的是云知声刚推出的 U2-Flash-1118。看各种 benchmarks 的话相当能打,我们看看它在我们这套 Benchmark 能过几招。还是在 Pi 中接入,思考模式拉到最高,开始吧。
第一题,强约束指令遵循句子生成测试。 很明显,句子都是遵循从 1 到 10 结尾的。看下是否通顺吧——这里我觉得不通顺的有第 10 句,其他都还算通顺。
第二题,鹈鹕土星环骑自行车 SVG 测试。 大家看效果,几个问题吧:首先转弯的时候是突然调头,不是顺滑的转弯;第二,这个鹈鹕的结构实现得不太好;第三,这个土星环环形跑道没有跟土星环在同一个平面。
第三题,复合弓射箭 SVG 测试。 我们看下效果,几个问题:第一,复合弓的上下转轮根本没有转动;第二,两只人手不是长在身体两边,而是胸前;第三,箭拿出来后的形状与在箭筒的形状不一致;第四,拉弓的时候箭羽明显和箭头在同一边,射出去之后又是好的。
第四题,实现个精美浏览器操作系统。 这个 UI 的液态玻璃效果不是很明显。看下右上角弹窗吧,功能没有问题。看下 Dock 栏应用吧,这万年历实现得不大行,比如 22 号的小雪节气都没有,其他功能没有问题。再看下压轴的太空射击游戏吧,3D 感觉出来了,飞机实现一般,上下左右按键控制没有问题,但是子弹时有时无,我还没有搞懂问题在哪。整个控制起来很不顺畅,敌机都绕到身后了都还没有对准敌机。我个人感觉这个游戏实现得很一般。
第五题,无第三方库实现一键去水印工具。 我们玩一下,这个水印明显没有去干净,只是让原来的水印变得模糊了而已。
第六题,DeepSeek Harness 找出深度埋点的 10 个 Bugs 测试。 这道题我是专门在当前最新版本的 DeepSeek Harness 源码上埋了十个内存泄漏的 bugs,源码我已经公开。最终它找到了 3 个,这个就有点菜了,还不如昨天的匿名模型 Tidepool Alpha 了。
测评下来,我觉得这个模型在我们这套 Benchmark 上表现很一般,大家觉得呢?







