DeepSeek 新模型实测：长上下文表现佳，工具调用易踩坑

TheZachMueller · x · 2026-08-01

开发者在通宵测试了疑似 DeepSeek v4-flash（0731版）模型后，给出了初步正面评价。但他指出，该模型的提示词格式以及工具调用/对话历史机制存在一些怪异之处，这可能导致初期集成时出现诸多问题，预计会有褒贬不一的反馈，不过部分差评可能是由于用户使用不当或测试框架错误造成的。

在随后的编程 Agent 压力测试（gauntlet）中，测试者发现模型在处理任务时的耐力极强，不得不将其放弃任务前的 token 上限从 20 万提高到了 30 万以上。