deepseek v4 flash 实际体验与榜单排名相符吗？主观感觉刷榜了

陈晨 2026-08-02 01:19 1

大家体验怎么样？不说价格、模型大小与其他因素，只谈实际体验是否与榜单相符，我自己体验的感觉就是小模型不行。

有没有人真正拿它和别的模型如glm5.2对比过，实际体验真的更好吗？官方数据里，它在 coding 场景是优于glm的，那在实际自己的场景里，有人也觉得它更好用吗？当然，我觉得这一代比上一版的pro强，但个人感觉和glm比还是有差距。

我自己是实际体验过的，我只能说期望越大，失望也越大，minimax在我这里就是一个完全的反面教材，与榜单排名不符，这次deepseek也给我这种感觉，大家可以实际体验下，哔哩哔哩之前灰度测试那些案例，分别用glm和deepseek测试下，差距很大。

最新回复 (19)

freeqbar 08-02 01:20

1楼

flash正式版也还是差太多，不太敢拿来改自己的项目，宁可继续用pro
Xu 08-02 01:22

2楼

不太理解厂家怎么刷榜，你是指拿benchmark泄漏的题来训练吗？

而且实际用起来的体验和具体使用场景是有关系的，flash参数量不大，做复杂的长任务/大项目估计不太擅长，但是看佬友们分享的一些前端的，或者svg画图的表现不错的。
陈晨楼主 08-02 01:23

3楼

这模型我体验的感觉是疯狂写bug ^-^
randname 08-02 01:24

4楼

没有覆盖你的场景呗，你不能指望啥都能做到
陈晨楼主 08-02 01:25

5楼

比如minimax每次发布新模型，经常是开源榜单第一，实际体验大家都骂他蠢得吐口水，这次deepseek给我的感受就是这样，与榜单排名不符
咪叭 08-02 01:26

6楼

同样的跑分，参数量越多的模型，下限肯定会更高一些的

当然了成本也会更高一些

而且参数小了，是容易会出现过拟合的

我觉得已经算很不错的了，可以期待一手pro
雷雷雷雷雷 08-02 01:26

7楼

主观感觉没有刷榜，这两天蹬的很爽，指哪打哪，但是如果要用来做规划并执行就比较差了
lookyoudi 08-02 01:28

8楼

不知道，但是你看l站讨论的人可太多了……我是辩不来了
freeqbar 08-02 01:28

9楼

deepseek的模型幻觉问题一直挺大的，真改代码还是sol max比较放心
helloergou 08-02 01:28

10楼

在我小项目里面用起来不错基本都能改对。
Kassdin 08-02 01:30

11楼

很强啊，指哪打哪，最近拿来改 pi 源码和做数据分析都很舒服，感觉和 grok4.5 使用体验差不多
Flux 08-02 01:30

12楼

排名也没多高呀，AA 榜上不就接近 5.2 水平吗？是你自己期待值太高了吧
sein 08-02 01:31

13楼

今天下午ollama pro 的glm5.2周限用完了，执行计划都写好了，上下文120k左右，换成v4 flash就开始瞎搞，最后还不得不git revert。这个参数量的的使用场景也就只有养虾养马了，编码能力真没那么强，打平glm5.2有点名不副实了。
和泉纱雾 08-02 01:32

14楼

话说榜单测的算是下限吧，总不会拿高复杂度任务的来测吧 ^-^高复杂度自主推体感上不如5.2但是切片细分任务我用起来基本是指哪打哪
ceshi01Adx 08-02 01:32

15楼

没有感觉刷榜，用起来确实和glm5.2差不太多,是挺强的这个智力密度惊人..
GloryDuck 08-02 01:33

16楼

目前发的榜单只是agent能力吧，工具调用、流程规划这块。

我让gpt评分，我感觉可靠——长程、幻觉、精确度这块，ds仍然存在劣势
内一衡径数 08-02 01:36

17楼

DSV4F 给我的感觉非常依赖 harness，我试了 claude code, codex, opencode, zcode, 表现差异非常明显，现在很期待 DSV4F 在 DS 自己的 harness 的表现。
天天开心 08-02 01:40

18楼

以自己体验为准，夸大我觉得肯定是有一点的，至于多少全看自己感觉，觉得好的才是最好的
Timoris 08-02 01:44

19楼

大佬觉得哪个harness最好用？