镜头扫过，我好像见过类似的场景。笑声中，树木让人联想到泳池边的情景。DeepSeek V4 Pro 刚刚发布了通用正式版（GA），这与大约12或13天前，即7月31日发布的 V4 Flash 模型的情况相似。此前测试表明，该预览版相比之前的版本在能力上有了显著提升。
今天我们将验证这一结论是否同样适用于刚刚更新的 V4 Pro 0813 通用版。在深入之前，欢迎订阅我们的频道，帮助我们达到7万和10万的里程碑并解锁奖牌。目前关于此版本的信息不多，因为它似乎是静默发布的。
目前在 X（原推特）上还没有官方公告帖，而这通常是我们看到此类消息的地方。不过官网确实提到了这一点：如果你使用特定的 V4 Pro 模型标识符，系统会将你路由到新的 V4 Pro 0813 版本。
此外，该模型也已上线 OpenRouter，这让我确信它确实已经正式发布，并将作为我们本次测试使用的模型。根据现有信息，除了日期标识外，我们可以看到该模型的上下文窗口为100万，最大输出长度为384K，这非常惊人。
DeepSeek 历史上有时会出现大量的“思考”过程。正如点击设置所示，它支持可选的思考模式。虽然可以调低强度，但为了测试最大潜能性能，今天所有的编码任务都将使用“最高努力”模式运行。
我想补充一点信息，但请持保留态度，因为我无法确证其真实性，尽管我认为很可能是真的。网上流传着一些来自 DeepSeek 相关群组（可能是微信群）的参考信息和照片。如果可信，这些就是 V4 Pro 0813（通用版）的基准测试结果。
我主要关注的是它相比 V4 Pro 预览版的性能飞跃，因为我最初对 V4 Pro 和 V4 Flash 的预览版感到失望。它们感觉尚未成熟，但考虑到它们是“预览”版本，这倒也合理。不过我要重申的是，Flash 从预览版到7月31日通用版的性能飞跃是巨大的。
它目前堪称双 Spark 设置下的最佳本地模型，尽管属于利基市场。但如果这种性能飞跃依然存在，那么 SWE-bench 分数从12.8跃升至62.7的数据将使其在理论上超越 Opus 4.8，变得极具竞争力。
特别是因为这是一个开源权重模型（或即将开源），这令人兴奋，因为它并不像 Kimi K2 或 Qwen3.8 Max 那样庞大。它有1.6万亿参数，是一个混合专家（MoE）模型，激活参数量约为490亿。
如果假设它与 V4 Pro 预览版大小相同，那么它是一个拥有1.6万亿参数、激活参数量达490亿的混合专家模型。虽然仍然非常大，但并未接近3万亿参数的巨型规模。
关于定价，我们需要将其视为当前状态，因为官方已提及 API 价格将很快大幅上调。“大幅”是相对于目前极低的价格而言的。目前 DeepSeek V4 Pro 每百万输入 token 价格为4.35美分（即0.43美元）。
上次我误说是2美分而被吐槽，这次是每百万输入 token 0.43美元，输出为0.87美元。即使价格上涨5到10倍，它在理论上仍具竞争力，因为这是相对于当前成本而言的。
接下来我将在 Codex 中使用该模型。上次测试7月31日发布的 V4 Flash GA 版时，我也通过 Codex 使用过（官方建议这样做），表现非常好。因此这次我将继续使用 Codex。
此外，他们发布了 Codex 或 ChatGPT 的桌面应用测试版。我也将其配置为通过该桌面应用运行，它正在用 C++ 编写一个滑板游戏。我想这需要不少时间，所以我启动它是为了验证应用是否正常工作，看起来确实如此。
请注意，此处提到的 GPT 或 Codex均直接路由至 DeepSeek V4 Pro 0813 模型，并启用最大推理努力模式。让我们开始吧。看来 OpenAI Beta 应用将自己设置为所有文件类型的默认打开方式，这令人恼火。
界面非常有 Qwen3.8 的美学风格。我要打开声音，因为我看到有人提到它会有音效提示。好的，它在记事本中启动。我们可以调整窗口大小吗？可以。接受、最小化、取消最小化，很好。
接下来是重头戏：有右键菜单吗？有的。右下角还有符合我本地时区的正确日期和时间，以及我认为的特色功能——全息桌面特性。我们将把它留到最后再看。先看看文件应用，我以前没见过这样的图标。
应用程序背景有很好的透明效果，并且采用了我很喜欢的合成波（Synthwave）主题。遗憾的是，我们的虚拟文件系统似乎是静态的，无法浏览其中的内容。尽管如此，我们能在其中创建新文件吗？可以。
我们可以删除自己创建的新文件吗？也可以。那能删除默认存在的文件吗？是的，可以操作。这让我稍微安心了一些。接着我们看看其他功能……嗯，还不错。
至少从目录结构来看，沉浸感还不错，仿佛这是一台真实的电脑。我们之前也看到过记事本，因为它打开时显示了一些信息。唯一让我觉得有点奇怪的是，它把文件保存为系统上的文本文件时出现了“目录不存在”的错误。难道是我删除了文档目录？等一下，没事，哦，它记得我确实删掉了那个文件夹。可能是我自己搞砸了，所以这怪我。唉，这里看起来就不太对了，不应该有一个可见的文本框出现，这种情况偶尔会发生。不过“帮助”功能还是给了我们一些提示。
让我们试试 neofetch，这个做得相当不错。“Nebula”或者“nedula”，不管叫什么，其实都还好。我有点太苛刻了。内存显示也没问题。哦，它在这里展现了一点小聪明。“1.44 MB 来自无限”，这挺好的。这不就是老式软盘能容纳的容量吗？我不确定，因为那些东西比我岁数都大。接下来是计算器。“47 乘以 8376”，好久没做这种题了。除以六，好的。“设置”界面里确实能看到一些类似 Qwen 3.8 风格的痕迹。
那是什么？为什么我喜欢它呢？“极光”、“日落”、“城市”。没人能理解这个梗。这看起来像高中时我朋友做的游戏项目，真的非常像他项目的启动画面。我们还有自定义强调色选项。“难度”分为简单、普通和困难，哦，是给游戏用的。好的，我可能会把它设为“简单”，毕竟你们可能熟悉我那一点就炸的游戏风格。接下来试试游戏，扬声器已开启。“城市劫案”。
哦，你这家伙……所以你需要按回车键开始，而不是点击按钮。请转换一下思维模式。啊，好的。“好吧”，哦，酷……有点问题，但像“啪”这种打击音效还挺有趣的。好的，我们搞砸了，只抢到了 1000 中的 100。但它确实运行起来了。所以请记住，玩这些游戏需要按回车键，而不是点击那个写着“启动”的按钮。哦……好吧。
我要不要把这些都过一遍？是的，我只是根据声音来推测的。我想知道狗是不是也是这样，因为它们不懂语言，但对我来说，那听起来像是正向强化的声音，这让我想多做几次。我想我们刚刚发现了关于狗大脑运作方式的一些东西。（喷鼻息声）（叹气声）。好的，分数……我不觉得我们需要那么多小数点来显示得分。我想也许四舍五入到 734，或者向下取整就可以了。但我赞赏它的复杂性。
然后哦，“自述文件”。好的，所以我们的特色功能是类似全息的效果。我想当我们触发该功能时打开几个应用程序可能是最佳做法，所以……哦。（笑声）好吧，它只是放了一个有趣的卡片效果。这看起来像 Apple Vision Pro 的应用演示。这是从 Vision Pro 头显内部看到的样式。如果你用过，你可能会产生共鸣。总的来说，还行吧。一切正常，没什么让我惊艳的，但同样，这可能是测试的限制而非模型本身的限制，唉。
有点意思。我们继续。所以我们的滑板游戏还在运行中，而且我使用的是刚刚发布的 ChatGPT 桌面版 beta。我想这需要不少时间。让我们检查一下……哦，不，因为我们要看成本了，请记住这包括滑板游戏和浏览器操作系统两部分。总共 20 美分，跨越两个任务，其中一个仍在进行中。好的，经过 68 分钟又 24 秒，“滑板纽约”完成了。哦，你这个笨蛋，你用截图剧透了，而且你甚至没有视觉功能！我气炸了。
尽管如此，既然我们知道游戏长什么样了，我得忍住不说些更粗俗的话，让我们偷偷看一眼游戏。好的，这是我们的纽约滑板游戏。“输出”里应该有吧？是的。（喷鼻息声）好吧。它不如 Qwen 3.8 模型好，但那个模型的参数多了 8000 亿。地面上写着“NYC Skate”吗？它是倒置的，但确实有，而且上面还写着“成立于 1999”。哦不。听起来像是范·海伦乐队的歌开头。我不知道……好吧，也许别再做同样的事了。不过有音效呢，我通常听不到这种音效。
我们能真正移动吗？好吧，还不行。我会说它并不完美，但游戏标题的 stylized 风格其实挺酷的。不错。（笑声）什么？我们不需要做鼓组模拟吗？（笑声）老实说，那些树看起来有点像……但好吧，腿在踢动。（笑声）。这可能是我们见过的最滑稽的滑板游戏结果了，这也算是一种成就。好的，那里有个路牌。文字有点歪斜，建筑物的正面也是。这绝对是个有问题的结果。不过我喜欢那个喷水的饮水机。我想我在……（笑声）好吧，我在 Qwen 的结果里见过类似的东西。
现在，我想快速做一个参考对比。这是 DeepSeek V4 预览版在 C++ 滑板测试中得到的结果。我们可以直接在这里看到。我要把扬声器关掉。这真的很糟糕，差到我特意记得要展示这个例子来证明这一点。所以，从我们刚才看到的它为我们创建的滑板游戏来看（我们可以直接在截图中查看），能力的飞跃依然非常显著。接下来，我给它一个地铁 FPS 测试。
我也在提示词末尾加了一句：“不用担心检查脚本，我会手动检查，如果有问题会反馈给你。”因为这真的会让每个结果的时间长度增加两倍。我只是想找一个能在 5 秒内视觉上发现“嘿，这不起作用”的东西，所以这样做是为了让事情稍微紧凑一点。好的，它完成了地铁 FPS 游戏的问题在于它一直试图进行故障排除，不知道为什么在这个系统上它不擅长这个。
好的，让我们看看我们的地铁 FPS 游戏，“莫特大道”。好吧。我要把扬声器打开。它给了我们两个选项，我们可以选择探索车站。“好的”，嘿，你知道什么吗？我想这是我在这个测试中见过的最好的地铁车厢图画了。你可能会说：“嗯，它看起来并不那么棒。”我知道。
只是它们从未真正包含这些功能，即使包含了，效果也并不是很好。所以这到底是什么？如果那个东西开始移动的话，我可能会比现在更加兴奋，那对于回应这样的事物来说可能就不太合理了。这看起来很干净，也很简单。坦白说，并没有让我感到惊艳的地方。皇后大道线。好的，我们有楼梯、一些照明元素之类的东西。如果你想去那边的话，还有A线列车。然后是隧道。比如火车的指示牌、垃圾桶。还有一些漂浮粒子，比较简单。我们不能走上楼梯也没关系，反正我们也不想走。
当然这里包含的另一个特性是帧率（FPS）。所以让我们回到菜单，然后进入生存模式的FPS视角。看看它是否会改变光照或其他方面。哦天哪，这个武器模型不错。它是这样的吗？噢，它确实变了。我想是的。嗯，它变流畅了。现在我没看到任何敌人。看我们跑起来的时候，动作有点像蹒跚走路。好吧，所以我注意到这里最大的问题是没有任何僵尸敌人，所以装填子弹的动作还不错。这种蹒跚的步伐有点滑稽。
嘿看，弹壳真的掉下来了。这挺酷的。好吧，这感觉有点中规中矩。所以我打算给它一些反馈。我停止测试是因为它好像已经完成了，而且我发现无法在无头环境中使用它来检查问题。在那种情况下，直接去检查和告诉它哪里出错更容易一些。所以我会给出诚实的反馈。据说我们修复并打磨后的地铁FPS版本已经完成了。让我们稍微看一眼。声音是开着的。
有意思。我觉得它交换了按钮的位置，哦。好的。右上角显示有七个敌人。不幸的是我根本找不到它们在哪里。我希望它能做得更好。而且再次说明，这是一个我们可以回去参考之前模型版本的案例。基本上预览版本比这个细节少得多。所以不幸的是，这里没有敌人。考虑到花费的时间以及我多次告诉它没有敌人的情况，我很遗憾地宣布这次任务失败。
接下来我要给它一个困难的任务：创建一个RB26直列六缸发动机的3D模型。它必须是可以几乎不需要支撑结构就能进行3D打印的，并且要能容纳一个被称为N20的小型直流电机在里面。因为我告诉过它这应该适用于我的遥控车项目。实际上，我不确定这个细节是否具体在提示词中，但这就是重点所在：它应该能理解这一点，并据此正确缩放尺寸。
到目前为止，我用几个智能模型运行过这个测试，从未得到过真正值得打印的结果。所以希望这种情况能尽快改变。我们的3D模型任务相当有趣，因为它正在做大量研究，比如确定发动机上特定物品的正确朝向。比如下排气管（排气部件）在哪里？在哪一侧？进气侧和排气侧分别是什么位置？进气歧管是在左边还是右边？
我喜欢看到这种错综复杂的研究过程，最终汇聚成这个模型的制作。如果我们能因此得到一个真正可打印的模型那就太棒了，这将是第一个这样的案例。在1小时10分钟后，我们收到了3D模型的响应。这是一段非常、非常复杂的文本，描述了它制作的东西的内容。当然另一部分就是实际看看它长什么样。
不过一旦我记得我给这个文件夹取的名字，我们就能瞥一眼了。“组装显示STL”。我想应该是这样。请一定要好。我真的需要一个好的模型……（叹气）实际上它是侧着的。该死，这个做得真的很好。这实际上是迄今为止最好的一个。它并不完美，我们有一些涡轮增压器侧放的问题。不过总的来说还行。
让我们用OpenSCAD看看这个模型吧。这里有很多单独的部件。所以我们也想看看我们告诉它需要放入小型遥控车发动机空间的那个引擎，是否有可能放进去。研究文件夹就在这里，显示着关于这个电机的大量图片和统计数据。非常酷。这里有一些更好的预览渲染图。这绝对做得很好。涡轮侧，好的。底部视角。
好吧，这并不是那种很容易就能3D打印出来的东西。不过也许我不能这么断定，因为它是由多个部件组成的。所以它并不是像我们最初看到的那样作为一个整体块来设计的打印方式，而是设计成单独打印的。我想看看……让我们现在只看第一个单独的部件，理想情况下它应该放置3D打印电机的位置。不幸的是，在任何我们看到的潜在方向上，不使用支撑结构就打印这个部件都是不可能的，这有点令人沮丧。
它似乎有一些柱子和孔洞以便与其他部分卡扣连接，这点很酷。好的，是的，我认为这些绝对是安装柱，这挺酷的。如果我们把这个部件平放的话，这个基本上可以几乎不需要支撑结构就能打印出来。然后这一面应该有日产的标志或者至少写着“Nissan”的文字。是的，这个做得相当不错，这里没有问题。油底壳哦不……好吧，就是在这里我们决定不再尝试打印这个部件了。
我并没有失望，但也算不上特别印象深刻。所以在评判这一点时，我只能说是持中立态度。如果我们仅仅把它当作渲染图来看待，甚至忽略那些单独的部件——因为实际上打印出来并不可行——它组装得真的很不错。我认为这里投入的研究工作几乎……我不想听起来像是在说AI的套话，但故事不在于模型本身，而在于背后的研究。这有点像是通用的AI废话。但它确实做了很多不错的研究工作。
我是说，它找到并下载这些资料只是为了看看吗？不。好吧，所以这可能是它自己制作或者可能在网上找到的一些东西，以便更好地评估这个资产的大小。但它非常小心地确保它试图生成的内容在理论上能够符合原始提示中指定的具体规格。所以还不算太差。我也打算给它一个……
这是一个简单的前端设计测试，要求它创建一个手表网站。因此，它必须在其创建的手表3D资产上呈现出一种相当电影化的平移效果。我并没有特别……好吧，不，我确实特意注明了手表需要是一个3D模型。所以，我们来看看它在整合这一切方面的能力如何。在1小时30分钟后，我们要到了手表前端的结果。它再次显示出相当可观的构建内容列表。让我们看看效果如何。漂亮的手表前端网站，这实际上已经非常接近优秀了。
主要问题在于我假设是手表带伸出来了。这是3D的，所以不要被它看似2D的外观所迷惑，它实际上是3D的。而且它在缓慢平移。我真的……好吧，有几件事我很喜欢。木质背景以及这块皮革卡片或垫子，手表就放在上面。此外，表盘看起来非常好，材质看起来很出色。整体而言，这是一种高端的美学风格，这正是我们进行测试时所追求的目标。
现在，那个看起来不错。让我们坐下来欣赏一分钟吧。好吧，是的，也许我本可以不要那样的效果，但它确实相当引人注目。然后看看当我们开始向下滚动时它是如何消失的。“低调奢华”以秒计算，太阳纹风格。这里有一个材质卡片，“蓝宝石水晶镜面”这部分我可能本来会省略，但表盘看起来不错。两块手表，一个视角。请渲染它们。哦，看看那个，太酷了，看起来相当不错。我喜欢它们在桌子上的摆放方式。
真正拖后腿的只是这块皮革板阻碍了我们对这些美丽表带的视线。这是不锈钢选项，那是黄金选项，价格相应不同，我猜是这样。是的，虽然我会说为了获得金色款而增加的价格幅度微乎其微。我个人可能会选择这一款。哦，真酷。这些我们可以自由旋转，这有所帮助。手表指针没有运动，但这没关系，我会原谅这一点。但这些真的很酷。我认为它们绘制得很好，尤其是数字指示器。看看它们实际上具有多材质的效果。
所以它们不是单一静态材质，而是金色填充黑色，或者银色填充黑色。这种细节处理我很喜欢看到，还有不锈钢和黄金的拉丝质感效果。评估3D手表可能有点奇怪，但这确实展示了一些能力。好吧，那里看起来相当不错。我们还有一个简洁的页脚，我很喜欢这个结果。虽然不完美，但已经非常接近了。
接下来在Codex中（我无法展示完整提示词，因为它包含API密钥），我给它的是完整的电影化“史蒂夫修电脑”游戏测试。它需要创建一个电影化的游戏，需要使用我提供的OpenAI API密钥为这些角色创建语音资产，并制作一个有趣、好玩且可玩的游戏。我评估这可能需要超过一个小时的时间，所以我们基本上让Codex在后台运行（其Beta桌面版）来完成这项任务，同时我们可能会处理其他事情。
我们的“史蒂夫修电脑”电影化游戏在大约65分钟内完成，也就是刚过一个多小时。好吧，这是玩法说明。我可能会照它说的做，不假设它已经在某个服务器上为我们运行了。好吧。第一集：棕榈绿洲任务。点击开始。建议佩戴耳机。我们有扬声器，好的。[音乐] “我叫史蒂夫。”“这不错。”
“我修电脑。”“好吧，那是……”“我的大多数客户都足够老，记得硬盘曾是奢侈品的时候。他们付得起多少我就收多少，我让它能工作。主要是诚实的生意。”“哦，谢谢你亲爱的。屏幕一直告诉我日期是1980年，我以为……”“修好了。”“我时间旅行够久了。你的电脑现在会在周二给你送燕麦饼干……”
还有其他的。“给我挠挠耳朵后面。”“我送你出去，夫人。马上就来，托马斯先生。”“语音重叠了。”“史蒂文，如果那个安静的人[笑声]需要修电脑，你要对他有耐心。”“我喜欢守时。门没锁。咖啡是热的。”“工作是什么？”
“我有两年靠……[笑声]我的积蓄和退休基金生活。”“实际上现在有三个人在说话。[笑声]还有他的私人安保人员。有些人想问他问题。客户预付100%的费用。”“我想喂……也是这个案子的一部分？”“所有费用，头等舱。”“这就是我们要一起工作的原因。再来一个……”
顶部的托盘是笔记本电脑上的一堆普通文件。“听起来你是在描述他失去理智之前。”“安静是我的第二喜欢。我不会问第一个是什么。”当直升机准备好时电话响了。“40 过场动画结束，谢天谢地。点击接管控制权。”好吧，除了声音完全乱套之外，这实际上相当不错。好的，猫那里……肯定有一些几何问题。我们要做什么？
准备好就带上公文包。好吧，它在哪里？宠物按钮像……“别那样看着我，巴顿斯。”彩蛋。“得吃了。”好吧，公文包在哪里？好的。我们有物品栏、扎带。按E继续。好吧，它会让我们……不错。“棕榈树、湿度和一个非常糟糕的人，他欺凌他人。”香槟。“我只是想点过去，因为这就像……”
“黑色。像我那杯咖啡一样黑。”哦，泳池边？摄像头覆盖。“没有狗。”是西服务楼梯间。“好吧，我想我们刚才瞥见了一些泳池的景象。好的哦太棒了棕榈绿洲度假村点击接管控制它甚至有一种低档壁纸你期望在这些地方有的。哦哇这实际上有点复杂。”
好的，我担心我们不能直接穿过墙壁，但……好吧我们可以把硬币扔进喷泉。你的愿望不再出现海藻错误50/50。看起来史蒂夫在飞机场景中的商店奇怪地放置在我们应该所在的位置内部。让我们忽略这一点吧。所以在前台办理入住手续然后到达17楼。“欢迎来到棕榈绿洲。”
“正在连线，马特先生。” “科尔特的史蒂文·科尔特。” “马特先生？” “[笑声] 我想我有预订。” “1408号房，部分海景。非常抱歉，您楼层的制冰机坏了。” “这就是我的人生写照。” “好了，我们现在有了房间钥匙。那是电梯吗？哦……那是什么？伸手去够。好吧，西侧服务楼梯间。我们就假设那是北方吧。” “[音乐声] 很好。” “[笑声]” “像呃……什么？好吧，这真让人沮丧，因为它给了我们要那种充满期待感的音乐。我肯定对我刚才要说的那个词有更专业的术语。” “我叫史蒂夫，经营一家电脑维修店。我修电脑。我的大多数客户都足够老，还记得硬盘曾是奢侈品的时候。” “好了，我想我们大部分路都走完了。这是一个测试，而且往往我们无法完成它。我要说的是，如果单独评判这些元素，那些部分确实都在那里了。” “我不知道这个拼图是否拼出了像包装盒上展示的那样正确的画面，但它相当接近了。而且说实话，这比我预期的要好得多，尤其是考虑到像地铁场景游戏这类情况。” “所以，其实我对这个结果挺满意的。最后一步当然是‘街头投掷’游戏（street yeet game），这有点奇怪，因为这段文字上下移动而另一段完全静止，这让我在某种程度上感到不适。所以这是乔恩的问题。” “好了，很好。我刚才忘了……我只是在服务器上运行。一拳定音，毫不留情。我已经喜欢这个了。” “哦，它似乎……” “好音乐。好了，好了，好了。让我们快速探索一下这座城市。” “[笑声]” “我甚至不知道怎么回事。好吧，我看到一辆车……” “[笑声]” “这个其实挺好玩的。” “[笑声]” “打扰一下。请借过。抱歉。它就像……好吧，我不知道我们撞到了吗？那是辆自行车吗？我们可以吃那辆车吗？” “砰。” “哎呀，乱穿马路的行人。” “[笑声]” “我们可以打那个停车计时器吗？是的，除了建筑物之外我们什么都可以。” “好了……不幸的是，其中一些物体的方向不太对。我们可以看到我们在向前移动时实际上是向侧面移动的。” “还有那些车……抱歉，伙计。” “[笑声]” “而且有趣的是它们如何与风景互动。我们可以吃那座雕像吗？我想我们不能，但哦……是的，我们可以。” “好了。我要说的是，这款游戏的卡通风格其实做得相当不错。我不知道仅通过观看别人玩就能很容易地评估这一点，但节奏还不错。” “我想这也要归功于音乐。但是当你实际……好了，循环有点重复了。当你实际上吃掉那些东西时，它们还会与环境中其他物品互动。” “比如它会从建筑物上弹开，然后可能击中路径上的其他东西。这很酷。” “而且这实际上是相当街机风格和可玩的。我们的分数在上升，我们有连击倍数。” “总的来说，《街头吃》（Street Eat）在这里是成功的。好了，这大概将结束我们要对通用版 DeepSeek V4 Pro（0813 型号）的第一次预览和测试。” “这肯定比预览版有改进。那个版本感觉相当未完成，我完全没被它打动。” “但是，如果我们回顾一下之前视频中运行的一些测试——那个视频在频道上——我们今天也跑了一些同样的。这是一个显著的改进。” “不过我要说，我觉得 Flash 模型让我印象更深刻，尤其是考虑到它的大小。这个面临的竞争更多一些，但再次强调，相比其前身这是一个巨大的飞跃，我想这就是我们想看到的。” “我对某些事情印象深刻几次，比如‘结果中的结果’。那个电影版的史蒂文电脑维修游戏，它实际上有一些元素让人觉得：‘嘿，你知道的，这有点经过深思熟虑。’” “比如当他们说话时，他们的头会左右摆动，而不是之前那种奇怪的下巴动作。我不确定那里发生了什么。” “它在这款游戏和随后的‘街头吃’游戏中包含的音乐实际上非常贴合它所描绘的场景，并且它很好地让《街头吃》游戏变得卡通化。” “它的可玩性感觉不错，我想用这个词来说吧。我们得到的引擎模型实际上不可打印，所以不幸的是，也许它在特定任务中没能勾选那个框。” “但是，如果我们只看这里的预览之一，它做得相当不错，绝对比我测试过的其他模型要好。” “不过我还没有用任何大型前沿模型测试过这个特定的提示，所以也要记住这一点，但它确实有一些实力。” “它为了达到那个点所做的研究量相当大。这里包含了所有东西，在没有视觉能力的情况下下载这些图像，所以我不太确定该怎么看待这一点。” “尽管如此，我认为让我最沮丧的一点是它试图确保每一行代码的每个方面都正确时全力以赴。” “对于这样一个没有视觉能力的模型来说，有时这需要更长的时间，而且也有成本问题——假设你要付费使用这些模型。” “有时候让它直接生成结果更简单，而不是尝试做概览、检查和后续跟进。你自己看它，然后告诉它哪里错了让它修复。” “仅仅全力以赴并试图自行修复会增加大量的时间、费用和令牌消耗，这可能在进行零样本测试时是一个更值得考虑的方面。” “但我发现这是我与 Flash 模型一致感到沮丧的地方。如果我在让它们制作像《街头吃》这样的东西时，如果只是让它吐出脚本更容易。” “我测试一下然后说：‘嘿，建筑物消失了。’然后它修复了，而不是让它试图去启动一个无头浏览器，截图并做热力图因为它实际上看不到它或其他功能。” “所以它对令牌有点贪得无厌。我在最高潜力的推理模式下运行了它，这也可能是原因之一。” “但我仍然希望能够这样做而不让它全力以赴去确保打磨脚本的每个方面。因为我想要最大性能，只是不需要那么深的程度。” “所以这可能是一个个人抱怨，但你们……”
最后，让我们看看本次测试的全部花费。我们可以看到总成本仅为1.91美元。这确实非常便宜，但你们必须记住，他们的API价格将会上调。官方表示预计会有显著上涨，但我认为所谓的“显著”可能意味着整个测试的费用会变成8美元左右。即便如此，从整体角度来看也不算糟糕。
回想一下几周前我们做的Qwen 3.8 Max测试视频，那次的费用大约是32美元。因此也要考虑到这一点：虽然Qwen 3.8 Max的性能可能更强，但其定价考量也更高。而DeepSeek这次的测试成本非常、非常低廉。虽然它不会一直这么便宜，但即使价格上涨五倍，费用依然可以接受。
至此，我们要对DeepSeek-V4-Pro模型（0813正式版）的首次评测和测试就告一段落了。这是通用可用性版本，目前已脱离预览阶段，这令人兴奋。基本上接下来我打算测试Grok 4.6，因为它也是今天发布的。此外，我相信周五Qwen3.8-27B也会发布，那也将令人期待。
看来在模型发布方面，这确实是个相当忙碌的一周，这很棒。当Muse Spark 1.2发布时，那将更令人激动。我不清楚它的具体规模有多大，但我非常期待尝试在本地运行它。如果你们有任何问题，请随时在评论区留言，感谢观看。