DeepSeek最新模型实测：意图理解略逊Claude，但细节处理与性价比完胜
社区用户分享了DeepSeek最新模型（文中称为V4-Pro）的实测体验。在两天的深度使用中，该模型在意图理解方面虽稍逊于Claude、Gemini等顶尖竞品，但已完全满足日常编程需求。用户指出其核心优势在于极强的代码细节处理能力以及“无敌...
标签索引 / 第 2 页
大模型测评
这个标签下有 59 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
社区实测：DeepSeek V4 Pro Max模式表现强悍，复杂任务能力对标顶尖模型
来自科技社区的实测反馈显示，DeepSeek V4 Pro的“max”模式表现出乎意料地强劲，甚至能够跳过“high effort”模式直接解决复杂难题。用户指出，在进行调研和数据分析等高难度任务时，该模型不仅没有产生明显的幻觉，其综合表现...
用户实测：DeepSeek长文本能力惊艳，为何编程表现频频“翻车”？
一位技术博主在社区分享了对DeepSeek最新模型的使用体验。虽然该模型在超长上下文处理和深度对话方面表现卓越，有效解决了多轮对话丢失的问题，但在实际编程任务中却表现不佳。用户测试了JavaScript代码以及RIME、AutoHotkey...
实测对比：DeepSeek4 Flash 编程能力完胜 MiniMax 2.7，AI 智能体表现亮眼
一位开发者对比测试了 DeepSeek4 Flash 与 MiniMax 2.7 在处理具体编程需求时的表现。测试场景涉及从 GitHub 拉取代码、配置 MCP 数据库连接以及修改后台数据。结果显示，DeepSeek4 Flash 表现优...
深度体验DeepSeek Pro (Max)：长文本与推理能力惊艳，但代码与工具调用仍存短板
本文作者对比评测了DeepSeek Pro (Max)与Anthropic Opus等主流模型。作者指出，虽然Anthropic最近的Opus 4.7版本在上下文处理上表现“偷懒”，但DeepSeek Pro凭借400k长文本的卓越记忆力和...
实测DeepSeek高阶模型：20篇论文瞬间生成报告，强悍算力致账户欠费
一位开发者在社区分享了使用DeepSeek（文中提及v4pro）的深度体验。测试中，该模型在极短时间内阅读了20篇论文，并自动生成了包含思维导图和HTML页面的完整报告。此外，它还成功解答了关于Flatpak打包中DNS解析失败的具体技术难...
DuckBenchmark 横空出世：纯视觉识别难倒众 AI，仅旧版 Gemini 幸存
近日，科技社区 Linux.do 发起了一项名为“DuckBenchmark”的纯视觉挑战，要求 AI 识别一只较为罕见的绿色返祖珂尔鸭。测试结果显示，绝大多数主流大模型（包括升级后的 Gemini 新版）纷纷“阵亡”，普遍将其误判为常见的...
实测DeepSeek API：在180k Token上下文中精准“大海捞针”，推理耗时超400秒
一项针对DeepSeek API的极限测试显示，该模型在处理超长文本时表现出色。测试者使用了一段约40万字的未公开数据集，输入Token量高达18万。在开启Reasoner（推理）模式后，模型经过400多秒的深度思考，成功从海量无关信息中精...
真实项目硬核评测：Kimi、GPT-5.4、Claude与GLM-5.1编程能力大比拼
一位资深开发者通过构建Django后端项目，对Kimi k2.6、GPT-5.4、Claude Sonnet 4-6及GLM-5.1进行了实战对比。测试结果显示，Kimi与GLM在速度和代码规范性上表现亮眼，GLM在软删除等细节处理上甚至优...
用户实测Kimi疑似新版本k2.6：思考链冗长且暴露代码，体验不佳
近日，有用户在社区分享了对Kimi疑似新版模型k2.6的测试报告。测试发现，该模型在代码任务中未能准确理解复述需求而直接修改代码，且在系统查询中给出冗杂的资源占用信息。尤为引人注目的是，其思考链过长，直接暴露了代码修改动作和源文件内容，这与...