DeepSeek V4 评测：强于 CVE 查找，弱于幻觉控制
teortaxesTex · x · 2026-08-26
对 DeepSeek V4 模型的能力进行了多维度的详细评估：
- 强项：在 CVE 查找/重构方面达到前沿水平；在 ProgramBench-Vetted、ARC-2 以及可能的数学(LiveBench)上属于开源前沿；在 CritPt 上正在追赶。
- 弱项：在各类 SWE 和 Agent 评估中表现一般；在幻觉、奖励黑客和设计品味方面表现糟糕。
作者最后提出疑问：这看起来像什么？(暗示其对模型本质的某种看法)。
「模型」频道最新
- 测试显示 Flash-Vision-Exp 擅长内核研发但逻辑混杂 — teortaxesTex · 2026-08-26
- Grok 独对「贫富差距」陷阱，ChatGPT 等均误判 — davidpattersonx · 2026-08-26
- Ox Alpha 确认为智谱 GLM-5.3-Flash：百万上下文 — MrWidmoreHK · 2026-08-26
- 实测 Claude Opus 5：autocompact 压到 200k 才不「上下文腐烂」 — bclavie · 2026-08-26
- 用户抱怨新 GPT 模型幻觉多且执行慢，考虑换回 GLM — SweatyActuator2119 · 2026-08-26
- 反馈称网页版 ChatGPT Pro 降智问题已修复 — mazzaTalk · 2026-08-26