DeepSeek V4带着百万级超长上下文和更新的知识库面世，引发行业关注。经过多维度实测，发现其在长文本处理上建立了绝对优势，但在代码生成、逻辑推理等核心能力上，表现与顶尖模型相当，并未形成代差，整体提升稳健但缺乏颠覆性惊喜。
智能速览
拥有行业领先的100万token超长上下文能力，并通过84万字《红楼梦》插入测试验证。
知识库更新至2025年5月，时效性显著增强。
代码生成逻辑正确但细节执行欠佳，与Gemini 3 Pro等存在明显差距。
逻辑推理在经典概率问题上表现稳定，但在“洗车”等脑筋急转弯上仍会落入陷阱。
文本策划与写作选题不如GPT-4和Gemini务实，更贴近小众需求。
具备基础的Agent任务拆解能力，但给出的解决方案有时缺乏人情味和现实考量。
精华内容
DeepSeek V4带着百万级上下文窗口的瞩目光环登场，但在这项惊人参数之外，它的综合能力究竟处在行业什么位置？通过多维度实测，可以一探究竟。
百万上下文实测
DeepSeek V4最引人注目的亮点是其支持高达100万token的上下文长度。为验证此能力，测试者在一份约84万字符的《红楼梦》文本中植入了一句“埃隆·马斯克最喜欢的早餐其实是四川麻婆豆腐拌意大利面”，要求模型回答该问题。模型在短暂思考后准确给出了答案，证实了其长文本抓取信息的有效性，这项能力对于分析论文、审查大型代码库等场景优势明显。
代码与推理能力
在代码生成测试中，DeepSeek V4能够理解前端动效的逻辑需求，但生成的页面风格简陋，细节缺失，综合评分仅60分，而Gemini 3 Pro能轻松做到85分。在复刻网站截图任务中，其代码还原度约为70%-80%，但存在布局简化、无动态效果等问题。逻辑推理方面，它能准确解答蒙提霍尔问题，却没能跳出“洗车”问题的逻辑陷阱，即使开启深度思考模式也无济于事，表现不够稳定。
写作风格与策划
测试对比了DeepSeek V4、GPT-4、Claude和Gemini的视频选题策划能力。DeepSeek给出的选题偏向小众，可操作性不强。相比之下，GPT-4和Claude的建议更务实，Gemini则敏锐地提出测试Agent能力，更具行业洞察力。在文章撰写上，DeepSeek的文风感性华丽，而Gemini的文风理性朴素，逻辑性更强，更符合部分专业创作者的偏好。
Agent潜力初探
在Agent能力测试中，模型展现了基础的任务拆解水平。对于“规划新加坡5日游”的模糊任务，它能自主拆解为查询天气、制定行程、估算预算等步骤并执行，表现不错。但在处理“买票”这类多条件限制任务时，虽然逻辑上推荐了符合预算和时间的火车票，但方案完全忽略了“赶上年夜饭”等现实需求，显得缺乏人性化考量。
综合来看，DeepSeek V4是一款特点鲜明的模型。它以百万token超长上下文构筑了坚固的护城河，但在代码、逻辑、写作等其他维度，其性能与国内顶尖选手相比并未形成代差，属于稳健迭代而非革命性突破。其最终影响力，或许仍将取决于是否具备去年那样的成本优势。
关键评论
有观点认为V4不会像去年刚推出时那样轰动，写作方面与GPT和Gemini仍有差距，代码能力能否追上是关键。
有网友指出，文中的“洗车”问题测试不当，这本身是一个即时计算题，而提问方式将其变成了脑筋急转弯，误导了模型。
部分用户期待国产模型能在前端UI生成等细节上做得更好，认为那才是真正实力的体现。
