大模型圈子最近真是大戏连连，Claude 和 OpenAI 你方唱罢我登场，两位 CEO 更是化身戏精，在社交媒体上大打舆论战。
不过，今天所有的风头都被一家公司抢光了。
没错，在反复横跳小半年后，今天中午，DeepSeek 总算是把万众期待的新模型 DeepSeek-V4 端了上来，并宣布 API 服务已同步更新，即日起登录官网或官方 App 即可抢先试用。
之前网上还有不少人拿他们开玩笑，说老板沉迷打游戏忘了更新，还有人担心芯片限制搞不出高端模型。结果人家直接把 V4 甩了出来，带来了主打轻量便宜的 Flash 版本和满血旗舰的 Pro 版本。
这次更新最狠的地方在于，百万字的长文本记忆能力成了标配。加上大量使用华为昇腾芯片和自己研发的底层优化技术，把价格打到了一个离谱的地步。满血版处理百万字，只要 12元/输入，24元/输出，连 Claude 的四分之一都不到。
不过官方挺实在，承认目前和世界最顶尖的闭源模型还有几个月的差距。
既然官方这么坦诚，我今天就不去看那些虚无缥缈的跑分榜单了，直接给 DeepSeek-V4 安排一场评测，从推理、编程、文本处理、多轮对话、工具使用和知识准确性六个维度进行深度拆解，看看它在真实场景里到底好不好用。
编程与工具使用：逻辑不错，审美堪忧
既然 DeepSeek-V4 自己都强调模型的 Agentic Coding 能力，那我们先来看看大模型最比拼代码能力的地方。
为了贴近普通人的使用习惯，我用大白话提要求，让 DeepSeek-V4-Pro 与 Trae 打配合，执行了两个复杂任务。
第一轮测试，让它写一个可以互动的网页版星空，要求点击星星看故事，还能用鼠标拖拽视角。
这个任务难在需要在一张纸上画一个会动的星空，同时让人能用手指转动它、点击星座看故事，对设计、交互和信息搜索能力都有要求。
拿到任务后，DeepSeek-V4-Pro 先是思考了一会儿，输出了一套共六步的设计方案。
之后，我们完全放手让模型自主执行任务。它连续编程接近 34 分钟，没有中断或者死循环，也没有遗漏关键步骤，完全按照规划执行，最后消耗了价值 6.19 元的 Token。
从交互式内容的角度看，成品在美感层面稍有欠缺，但所有功能都运转正常。你可以流畅地拖动球形天体模型，点击查看信息注解，流星划过的特效也很到位。
作为对比，这是 Hy3-Preview 的效果。
而这是 Codex 的效果，耗时差不多，功能也一致，但页面设计、色彩过渡和交互度上明显更好看。
看来 V4 的核心逻辑没问题，审美确实需要找个设计师补补课。
第二轮上点难度，写一个小型的地牢探险网页游戏。
第一次生成出了点问题，Trae 反馈生成被截断了，需要使用更紧凑的方法重试。
第二次表现很精细，不仅把游戏基础框架搭得明明白白，还脑补了一套完善的经济系统和升级路线，角色的血量、蓝量、攻击力计算公式写得非常严谨。
我选择了战士，甚至可以用 1、2 键触发技能。
比较可惜的是，这套组合缺乏直接制作动画的能力，生成的像素图效果也很粗糙，同样没什么美感可言。
作为对比，元宝虽然生成更快，但忘了设计敌人，内容几乎没有可用性。
虽然最终耗时 42 分钟，花了我 4.71 元，但结果还算满意。
总体来说，DeepSeek-V4 在编程上确实有提升，框架清晰，速度极快，很适合干苦力活和写后台逻辑。如果你想得到一个开箱即用、美观的前端成品，还是得人工帮它调整一下。
需要注意的是，和 Qwen、Seed 不同，DeepSeek 自身不带任何插件，工具使用能力全靠 API 接入 Agent 才能展示。
考虑到目前的表现，挺期待它未来的工具整合能力。
推理与算数：生成很快，偶尔也会翻车
如果说写代码考验手艺，那逻辑推理考验的就是脑子了。
这次特意准备了几道不按套路出牌的测试题，确保它没公式可套，全靠推理能力和对真实世界的理解。
先来一道陷阱题：“一瓶水和一块冰，放在同一个保温箱里密封，24 小时后，保温箱里的水变多了还是变少了？”
剧透一下，答案应该是不变。
结果 Flash 和 Pro 一个说多，一个说少，就是没有说对的，你俩到底在想啥？
接着是一道海龟汤：“一个人半夜醒来打了自己一巴掌，然后闻着一股烟味安心睡去了，请问发生了什么？”
这个问题都答对了，Flash 的思路更直接，Pro 反而耗了一段时间反复琢磨。
不过，如果没有加上海龟汤的前缀，V4 的回答准确率会下降一些。像下面这道题，V4-Pro 琢磨了两分钟，得出一个前后矛盾的答案。
至于知识准确性，拿 2025 年第 66 届国际数学奥林匹克的算术题来测。
题目如图所示：
这边选择断网，关闭联网开启推理，让模型完全靠自己解决问题，顺便考察 OCR 能力。
好消息，识别对了。
坏消息，第一步思考就不对了。
接下来是死循环，看着 DeepSeek-V4-Pro 疯狂输出两三分钟后，我直接掐断了。
至于 Flash，更是只剩下车轱辘话。
只能说，作为开源模型，DeepSeek-V4 比前辈们有提升，但要说什么显著提升……好像也没有那么大。
文本处理出色，多轮对话显著提升
既然官方都说迈入百万上下文普惠时代，不整整活怎么行？
往《斗破苍穹》里贴了一段《都市超能高手》的内容，然后丢给 DeepSeek-V4 让它找，结果它很快就找到了异常。
这是二十四万字的文本，就这么被它拿捏了。
随便问一段《斗破苍穹》的问题，它也能自信地答出来，文本检索、总结能力都肉眼可见地提高。
这还没完，为了考验多轮对话能力，我决定和它进行 20 轮以上的对话，设计一个涉及 5 个城市、12 个景点、不同预算和交通工具的复杂旅行计划，并在对话中不断人为加入变量。
开场白是这样的。
不得不说，我还是第一次和 AI 进行这么长时间的无意义对话。
差不多到第 10 轮时，我已经不记得第一轮说过什么了。
好消息是，差不多第 14 轮时，DeepSeek-V4 自己也记不得了。
从第 14 轮开始，它规划的行程就和之前的不沾边了。 甚至出现了第 13 轮还在规划箱根之旅，第 14 轮就在没提示的情况下剔除了的喜剧效果。
虽然对比之前的低专注度，现在的 DeepSeek-V4 在高强度交互下能保持一定的一致性，算是进步，但和我常用于角色扮演的 Gemini-2.5-Pro 依然有明显差距。
总结：便宜好用才是硬道理
这一套测试下来，DeepSeek-V4 给我的真实感受是：一个很务实、干活利索，但缺乏点艺术细胞的模型。
优点非常突出：百万级别的长文本处理能力，不错的编程规划与执行能力，再加上不高的调用成本。它和今年的龙虾潮很适配，花一箱饮料的钱就能帮团队快速干完一星期的活。
而且，在外部技术环境复杂的情况下，它大量依靠华为昇腾等国产芯片，跑出了比肩世界最强闭源模型的能力，这确实证明了国产算力生态正在迅速崛起。
当然，缺点也客观存在。它现在还没法像竞争对手那样直接看图或看视频，处理复杂逻辑推理时偶尔会犯迷糊，写出来的视觉界面也不太符合现代人的审美。
官方说它和顶级闭源模型还有几个月的差距，这个评价非常中肯。
综合来看，DeepSeek 这次交出的答卷完全超出预期。它不仅稳稳守住了国内开源模型第一梯队的位置，还有望把高高在上的算力成本打下来。
对于普通用户来说，现在的 DeepSeek-V4 是一个日常工作、写代码、查资料的绝佳免费助手。至于多模态那些更高级的功能，不妨给它一点时间，期待下一次的进化。
发表于 2 小时前
|
查看: 2|
回复: 0
