超实用！连夜实测DeepSeek-V4，我发现它唯一的硬伤是“审美”

来源：市场资讯

（来源：雷科技）

大模型的圈子最近真的是大戏连连，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，在反复横跳小半年时间后，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。

（图源：雷科技）

要知道，前段时间网上还有一堆人拿他们开玩笑，说老板沉迷打游戏忘了更新，还有人担心他们因为海外的芯片限制搞不出新一代的高端模型了。

结果人家今天直接把V4甩在了大家脸上，不仅有主打轻量便宜的Flash版本，还有满血旗舰的Pro版本。

这次更新最狠的地方在于，它把百万字的长文本记忆能力变成了标配，而且因为大量使用了华为昇腾芯片，加上自己研发的底层优化技术，把价格打到了一个让人直呼离谱的地步。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。

不过官方也挺实在，在发布的时候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，那小雷今天也不去看那些虚无缥缈的跑分榜单，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对其进行深度拆解，看看它在真实场景里到底好不好用。

既然DeepSeek-V4自己都强调模型的Agentic Coding能力，那么我们先来看看大模型最容易拉开差距的代码能力。

这里注意一下，为了贴近普通人的日常使用习惯，也因为本人自己完全没有编程能力，小雷没有用那些专业的程序员指令，而是全程用大白话提要求，让DeepSeek-V4-Pro与Trae打配合，执行了两个较为复杂的任务。

第一轮测试，小雷让它写一个可以互动的网页版星空，要求是可以点击星星看故事，还能用鼠标拖拽视角。

这个任务的难点在于想象自己在一张纸上画一个会动的星空，同时还要让人能用手指转动它、点击星座看故事，对大模型的设计、交互和信息搜索能力都提出了一定的要求。

拿到任务后，DeepSeek-V4-Pro先是思考了一会儿，然后输出了一套共六步的设计方案。

（图源：雷科技）

之后，我们就完全放手让DeepSeek-V4-Pro自主执行任务，它会自己调用各种工具，连续编程了接近34分钟，期间没有出现中断或者死循环，也没有遗漏关键步骤，完全按照此前的规划执行，最后消耗了价值6.19元的Token。

开发结果如下，从交互式内容的角度来看，这个成品在美感层面稍有欠缺，但所有功能都运转正常，你不仅能够流畅地拖动球形天体模型，还能通过点击查看信息注解，流星划过的特效也很完美。

（图源：雷科技）

作为对比，这是Hy3-Preview的效果。

（图源：雷科技）

而这是Codex的效果，实际耗时和Deepseek相差不大，功能也基本一致，但是页面设计、色彩过渡和交互度上明显更好看一点。

（图源：雷科技）

看来V4的核心逻辑没毛病，就是审美需要找个设计师来补补课。

第二轮我们上点难度，让它写一个小型的地牢探险网页游戏。

这回第一次生成居然还出了点问题，Trae反馈生成被截断了，需要使用更紧凑的方法进行重试。

（图源：雷科技）

第二次的表现就非常精细了，它不仅把游戏的基础框架搭得明明白白，甚至还自己脑补了一套相当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。

（图源：雷科技）

我选择了战士，甚至可以用1、2键触发技能。

（图源：雷科技）

比较可惜的是，这套组合缺乏直接制作动画的能力，生成像素图的效果也是非常粗糙，同样没有什么美感可言。

作为对比，元宝虽然生成更快，但是忘了设计敌人，导致内容几乎没有可用性。

（图源：雷科技）

尽管最终耗时42分钟，还用了我4.71元，至少结果是满意的。

总体来说，DeepSeek-V4在编程上确实有显著提升，框架清晰，速度极快，特别适合拿来干苦力活和写后台逻辑。但如果你想要一个开箱即用、漂亮美观的前端成品，还是得人工帮它稍微调整一下。

需要注意的是，和Qwen、Seed不同，Deepseek自身是不带任何插件的，工具使用能力全靠API接入Agent才得以展示。

考虑到目前DeepSeek-V4表现出的效果，个人还是很期待未来的工具整合表现的。

如果说写代码考验的是手艺，那逻辑推理考验的就是脑子了。

我们这次特意准备了几道不按套路出牌的测试题，确保它没有公式可以套，全靠大模型的推理能力和对真实世界的理解。

先来一道精心设计的陷阱题，“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这俩一个说多，一个说少，就是没有说对的，你俩到底是在思考些什么东西了？

（图源：雷科技）

接着是一份海龟汤，“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？”

（图源：雷科技）

这个问题倒是都答对了，而且Flash的思路更直接，反而是Pro耗了一段时间，反复琢磨着应该给出啥答案来。

（图源：雷科技）

值得一提的是，不知为何，这类海龟汤问题如果没有加上海龟汤的前缀，V4的回答准确率会下降一些。

就像这道海龟汤，V4-Pro愣是琢磨两分钟，然后得出一个前后矛盾的答案。

（图源：雷科技）

至于知识准确性这块，来点2025年第66届国际数学奥林匹克上的算术题再好不过了。

题目如图所示：

（图源：雷科技）

我们这边选择断网，关闭联网开启推理，让模型完全靠自己解决问题，顺便可以考察一下DeepSeek网页服务中OCR的能力。

好消息，识别对了。

（图源：雷科技）

坏消息，第一步思考就不对了。

接下来自然是无尽的死循环，看着DeepSeek-V4-Pro在那里疯狂输出了两三分钟后，我选择直接给它掐断了。

（图源：雷科技）

至于Flash，那更是只剩下车轱辘话。

只能说，作为一款开源模型，Deepseek-V4在这件事上比它的前辈们肯定是有所提升的，但要说有什么很显著的提升...好像也没有那么大。

既然官方都说迈入百万上下文普惠时代，不整整活怎么行呢？

我们也简单试了一下，给《斗破苍穹》里随便贴了一段《都市超能高手》的小说内容，然后丢给DeepSeek-V4让它找。

结果啪的一下，很快啊，DeepSeek就找到了异常。

（图源：雷科技）

这可是二十四万字的文本啊...就这么给他拿捏了。

随便问一段《斗破苍穹》的问题，它也能很自信地答出来，文本检索、总结能力都是肉眼可见地提高。

（图源：雷科技）

这还没完，为了考验它多轮对话的能力，我决定和它进行20轮以上的对话，去设计一个涉及5个城市、12个景点、不同预算和交通工具的复杂旅行计划，并在对话过程中，不断人为加入变量。

总之，开场白是这样的。

（图源：雷科技）

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。

差不多这测试进行到第10轮的时候，我已经感觉自己可能都不记得第一轮说过什么了。

好消息是，差不多第14轮的时候，DeepSeek-V4自己也记不得了。

从第14轮开始，它规划的旅行安排就和之前交互中生成的那份安排没啥关系了。

甚至出现了第13轮还在规划箱根之旅，第14轮就在没有任何提示的情况下给它剔除了的喜剧效果。

虽然对比之前DeepSeek的低专注度，现在的DeepSeek-V4能在高强度交互下保持一定的一致性，已经算是有所进步了，但是和我自己常用于角色扮演体验的Gemini-2.5-Pro依然存在明显差距。

这一套连招测试下来，DeepSeek-V4给小雷的真实感受就是，它是一个很务实、干活利索，但稍微缺乏一点艺术细胞的模型。

它的优点非常突出，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，这玩意和今年的龙虾潮非常适配，花一箱饮料的钱就能帮团队快速干完一星期的活。

而且最让国人提气的是，在外部技术环境如此复杂的情况下，他们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，它的缺点也客观存在。它现在还没法像竞争对手那样直接看图或者看视频，在处理复杂的逻辑推理时偶尔会犯迷糊，而且写出来的视觉界面确实不太符合现代人的审美。

官方说它和顶级的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这次交出的答卷是完全超出预期的，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价格给打下来。

对于咱们普通用户来说，现在的DeepSeek-V4绝对是一个日常工作、写代码、查资料的绝佳免费助手。至于多模态那些更高级别的功能，不妨给他们一点时间，让我们一起期待它下一次的进化。