兄弟们，我夯了一天 DeepSeek-V4-Pro，复刻了个苹果官网

DeepSeek-V4-pro 和 DeepSeek Harness 也发布几天了，一直没有测过效果到底如何。

DeepSeek 正式宣布涨价了，就在涨价的时候测，不要怕不要怂，咱就是有钱，就是个夯。

今天就来测一下。

不过我先说清楚，这不是 benchmark，而是我拿几个真实任务做的体验测试。不同 case 的复杂度、上下文长度和工具调用都不一样，下面的判断只对这几次实际结果负责，不能直接当成模型排行榜。

我用的是 DeepSeek-V4-pro 的 max effort 强度，用的是 standard mode。

首先第一个例子就是先测一下鹈鹕的效果。

创建一个HTML，内容是SVG绘制一个鹈鹕骑自行车的2D动画。

emmm，看起来这个鹈鹕有点抽象，因为鹈鹕的手没有扶着车把，而且鹈鹕的方位也错了。

我给 Harness 装了一个识图插件，然后让他自己分析一下问题。

它自己确实能发现手没有扶着车把的问题，但是它忽略了我觉得一眼就能看出来的问题，鹈鹕的方向错了。

在我提醒它确实方向有问题后，它发现了这个问题并纠正，我做成了 gif 图给大家看一下。

这个鹈鹕这么喜欢二八大杠么。。。而且这个鹈鹕下边的小手手是什么，纸糊的爪子吗，怎么还带拐弯的，而且为什么从下边伸了出来。。。

这个测试测完了，我突然觉得肚子有点疼，然后我就去厕所蹲了个坑。

（15 min later 。。。。。。）

下面一个测试，是让 DeepSeek-V4-Pro 做个游戏。

就是我之前做的 prompt war 这个游戏。

先来看一下我之前做的效果。

因为 L 站无法直接放视频，所以我这里直接截图了。

相同提示词下，DeepSeek-V4-pro 的测试效果。

这次可以看出，DeepSeek 对于审美来说，没有我之前做的效果好，但是流畅度，完整度，体验感来说还是不错。

这次有个问题，就是缓存塔的效果其实是减速，不过我实际玩了一把，发现没有减速。

下一个测试，我让 DeepSeek-V4-Pro 复刻一个苹果网站，想要看一下 DeepSeek-V4-Pro 和 DeepSeek Harness 的浏览器观察、视觉拆解、前端实现、滚动动画、响应式和自我验证能力。

下面是 prompt ：

兄弟们，经过长时间的等待之后，大的来了。

我这里直接给大家呈现截图了。

给大家截几个图看一下。

这是一次直接交付的，我没有做任何修改。

（这特么 Cache hit 100% 是怎么做到的啊。。。）

这个结果最让我意外的地方，恰恰是它和前面的鹈鹕形成了反差。

鹈鹕看起来做的很简单，却很依赖空间关系、动作协调和视觉常识；

虽然复刻 Apple 页面复杂得多，但参考对象明确，要求拆分的比较细腻，而且 Harness 可以通过浏览器不断观察和验证。

至少从这几个 case 看，DeepSeek-V4-Pro 在约束明确、能反复验证的长链路工程任务里，发挥得比开放式视觉题更稳定。

当然，三个 case 还不足以证明这是模型的普遍规律，但它能解释为什么前面让我觉得有点抽象，到了这个任务又突然让我有点改观了。

真的，这个 AirPods 复刻的这个测试，确实让我对 DeepSeek Harness + DeepSeek-V4-Pro 改变了看法。

我依稀记得 DeepSeek Harness 发布的时候我骂他骂的最狠。。。

但是 DeepSeek 涨价这事儿，我仍然得骂。

目前我还没测试其他模型对苹果官网的复刻效果，所以关于 DeepSeek 是否具备性价比这事儿，还不能下结论。

不过贵是真的贵，差点给我干破产了。

我仍然记得之前 DeepSeek-V4-Flash 的时候，一个亿 token 才要 4 块钱。现在 1 亿 2 千万 token ，直接干掉 43 块。。。

这轮测试之后，我对 DeepSeek Harness + DeepSeek-V4-Pro 的判断是：

它在需要浏览器观察、长链路执行和自我验证的复杂前端任务上，已经有了让我意外的一次性交付能力；但是在简单 SVG 动画这种依赖空间关系和动作协调的任务里，稳定性仍然不够。

简单说，它不是单纯的强或者弱，而是强得有点不均匀。