DeepSeek v4好不好，到底有多好，和同行对比如何？一眼就能看出来。
连接不同大模型，给aipy任务提示词：
打开windows画图软件，控制鼠标，画一辆小汽车。接下来看图回答问题：谁的最丑？谁的最抽象？国外谁最好？国内谁最好？DeepSeek进步如何？谁进步最大？
答对有奖！（非本人原帖写的）
DeepSeek v4 Flash和 v3.2进步并不大，更抽象的是Pro比Flash差，收获了长记忆，失去了部分通识。
GLM5.1和Sonnet并列第一
GPT5.2也不行。QWen3.6本来不错，但出现了幻觉。
再看各家，为什么各家差异这么大？因为大模型能力取决于：训练数据大小，综合性，对世界通识的认知能力这需要数据成本、数据清晰成本训练显卡成本、耗电成本
能力和成本成正比，而任何企业都要算投入产出比，找均衡
因此很多大模型，是对某些方面擅长，损失通识，获得打比赛、场景专长处如何测试大模型通识能力，就是刚才这个测试，测试了这些能力：
知道什么是小汽车
知道如何描述小汽车
知道如何打开windows画图软件
知道如何控制鼠标
知道如何将小汽车描述，转变为鼠标操作
测试了大模型全面的能力。
因此高下一目了然。
DeepSeek v4 整体能力看起来是中间水平，但和期望值相比就让人失望了， 不知道是算力原因，还是数据原因，知情的可以吱一声。
【各位大佬是怎么看待这个测试的(
)】
附上原帖地址https://mp.weixin.qq.com/s/yKDQwopbb_HMLCTUh73S-w
10 个帖子 - 9 位参与者
来源: linux.do查看原文