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
- Nat Lambert 爆料：Nvidia、HuggingFace 预告近期密集发布 — natolambert · 2026-10-15
- 马斯克转发用户实测：Grok Bot 不比 Codex 强但更顺手 — elonmusk · 2026-10-15
- 爆料称 Anthropic 新模型将发布,疑似已挖出十余个 Chrome 高危漏洞 — matthew_d_green · 2026-10-15
- StartLux-Decision 发布:RL 训练的校准决策模型,27B 得分 72.8 — startlux-models · 2026-10-15
- Meta Muse Code 用量遭吐槽：5 小时额度仅剩 21% — ThomasScialom · 2026-10-15
- Claude Code 报错截图现「Fable 5.1」与「Opus 5」字样,疑为新模型露出 — adonis_singh · 2026-10-15