实测DeepSeek V4：不炸裂了，但在做更重要的事

大家好，我是冷逸。

千呼万唤始出来，DeepSeek V4终于发布了。

这次一共有2个版本，V4 Pro和V4 Flash，都是1M上下文，也都开源。

• V4 Pro，1.6T（1.6万亿）总参数，49B激活。

• V4 Flash，284B（2840亿）总参数，13B激活。

在网页端/APP，V4 Pro对应「专家模式」，V4 Flash「快速模式」。

一图看懂DeepSeek V4，图由GPT生成

据DeepSeek自己介绍，V4的Agent能力仅比肩Claude Sonnet 4.5，离Opus 4.6、4.7还有差距；世界知识离Gemini-Pro-3.1还有差距；推理性能，与GPT-5.4旗鼓相当。

官方report也直言，“发展轨迹约滞后前沿闭源模型3到6个月”。

API价格方面，DeepSeek V4比V3.2有所上涨，V4 Pro涨了约6倍，V4 Flash降了约50%。另外，并没有Coding Plan。

以上，来自官方信息。下面，我们基于实测来评估一下这个模型。

一手实测

1）编程：3D任务

先测一个3D任务，主要看模型的前端能力，考验模型对空间想象和逻辑推理的能力。

提示词：制作一个3D的雪山场景html，雪山中间有一个日式的寺庙，整体风格参考塞尔达旷野之息。

Qwen3.6-Plus：

GLM-5.1：

DeepSeek V4 Pro：

MiniMax M2.7：

Gemini-3.1-Pro：

为什么不对比kimi K2.6？Kimi说他有点累了，让我晚点再问一下。

整体来看，“开源五杰”表现不一。

GLM-5.1、Qwen3.6-Plus和Gemini-3.1-Pro在同一个水平，其他四家略逊一筹。

细节方面，GLM-5.1和Qwen3.6-Plus是最强的。比如雪山粒子特效、日式建筑还原、塞尔达风格参考，他俩的整体表现比其他模型都要更优一些。

DeepSeek V4 Pro，在这个case中表现一般。

我又试了一个3D魔方的老case，V4能做到还原。

提示词：Create a single HTML file containing a fully functional 3D Rubik's Cube simulation using Three.js (via CDN). The cube must be able to automatically solve itself. 中文：创建一个HTML文件，其中使用Three.js（通过CDN方式引入）来实现一个功能完备的3D魔方模拟程序。该魔方必须能够自动完成自己的“解谜”过程。

这个case，我也测过很多模型了。基本上，最新的模型都能one shot，一次跑通。

2）编程：Skills任务

今天，藏师傅开源了一个极其牛逼的PPT skill「guizang-ppt-skill」。

skill地址：github.com/op7418/guizang-ppt-skil

生成的是一份HTML式PPT，也就几十kb，可以发给任何人，在浏览器打开，字体、动画都不会变。

对于这个skill，藏师傅说“这是他十年审美的压缩包。”

我第一时间，就把这个skills装到我的Claude Code里。直接对着你的Claude Code说这句话就行。

帮我安装这个skill：https://github.com/op7418/guizang-ppt-skill，放在这个文件夹：C:\Users\Administrator\.claude\skills

然后，接入DeepSeek V4 Pro跑了个case，让它把我设计成10页PPT。

给大家看下最终的效果。

整体排版、风格、字体搭配，我都非常满意。差不多我再微调下文字（可用Trae或文本编辑器来改），这套PPT可以直接拿去演讲了。

3）编程：网站开发

需求是，让DeepSeek V4 Pro基于我给到的模特照片，做一个摄影师作品集的网站。

提示词：我是拍模特广告的摄影师，我的工作室叫「小逸摄影」，文件夹 D:\Vibe Coding\DS V4\模特图片 放了一些模特图片，给我生成一个高级审美、大师水准的摄影师作品网站，用上文件夹里的图片并配上精美的讲解。

Qwen3.6-Plus，之前已经测过，效果很惊艳。

来看下DeepSeek V4 Pro的表现。

也是深色背景+Hero全屏+网格画廊，整个水准跟Qwen3.6-Plus差距不大。

如果要论细节的话，Qwen3.6-Plus在一些logo、文字配色和交互动画上要更强一些。

Qwen3.6-Plus生成的首屏

DeepSeek V4 Pro生成的首屏

4）Agent长程任务

任务，还是我们的老case，让Claude Code做一个联网搜索+word生成+skill调用+网站开发的复杂长程任务。

提示词：联网搜索、调研张雪机车的发展轨迹，尽量从权威信源获取信息。首先，给我创建一份5000字的word调研报告。然后，调用Knowledge Site Creator Skills给这份报告创建一个知识学习网站，页面高级审美。

这个任务，DeepSeek V4 Pro跑了很久，耗时33分钟。

交付给我了2个东西，一个是word报告，一个是知识学习网站（带后端）。

先看word报告。

内容还是挺全面的。最近，我高频在用DeepSeek做信息检索，回答质量一直都比较靠谱。相比去年的DeepSeek，现在的幻觉已经大幅下降。

然后，再看它生成的知识学习网站。

直接带了后端+数据库的功能，我添加数据后，这个网站就可以真实使用了。

以上4个case，一共消耗了450万tokens，成本10元。蹲一个，DeepSeek啥时候出CodingPlan啊。

5）世界知识任务

世界知识，要系统测起来，比较麻烦。

我问了一些陌生领域（关闭联网，下同）的问题，它都能答得上来。

一些次新的知识，它也训了进去。

但最新的，它不知道。

我问了下它的知识库，说是训练数据截止到2025年5月。

6）写作任务

以我经常干的事“让AI续写”来进行测试。

提示词：
参考下文的风格续写，300字：
现在，谁发我一张图，我的第一反应都是：“这是不是GPT生成的？”
人类社会，大家能够坐下来一起讨论事情，最基本的前提是，我们活在同一个现实里，对最基础的事实认知是一致的。
而今天，目光所及的一切都在崩塌。

DeepSeek V4 Pro的表现还行，但还是爱拽一些技术词，比如锚点、脚本、图灵测试等。

GPT-5的表现，明显就更像人一些，说人话。

GPT，也一直是我的常用写作模型。但自己要注意微调一下，比如让它不要老说“不是…而是”，不要一直加破折号、冒号。

Gemini-3.1-Pro的表现继续拉胯。拽那么多成语一点用都有，跟原文的风格非常割裂。

上周，我跟大家分享了，很多人都在评论区说Gemini 3.1/3.0远不如Gemini 2.5，确实如此。

Claude-Opus-4.6，这写作能力依旧顶级。

整体测下来，我觉得DeepSeek V4的表现是“一般货色”。

这其实也和他们自己的判断一致，距离全球顶尖模型（不论开源还是闭源），大概还有3-6个月的差距。

他们在官方文章中写得也很克制：「不诱于誉，不恐于诽，率道而行，端然正己。」

不是任何东西，一出来就是张雪机车，就是世界第一的叙事。

但有意思的是，今天的AI行业，已经很少有人愿意接受“一般货色”这四个字了。

你发一个模型，如果不能吊打、不能碾压、不能重构一切，那就很容易被归类为“没意思”。

可冷静想想，这种思维不正常。

技术的发展，本来就应该是连续函数，而不是每一代都指数爆炸。

大多数时候，真正决定行业走向的，反而是这些“差一点点”的版本：更稳一点，更可控一点，生态更完善一点。

DeepSeek V4给我的感觉也是这样。

它不惊艳，但它在补课。

• 重写注意力机制，对Token维度进行压缩，叠加自研的DSA稀疏注意力，把上下文从128k直接推到1M，而且是标配。

• 重改模型架构，同时适配英伟达GPU和华为昇腾NPU。

• 重换后训练路径，从V3.2的SFT+混合RL，切到On-Policy Distillation（OPD），先练专家，再做融合。

• 同时补齐Agent能力，对Claude Code、OpenClaw、CodeBuddy这些实际在用的Agent产品，做针对性优化。

这些事情，没有一件是能上热搜的。

但，总得有人要去做。

而这一次，是DeepSeek。