目录
1.Agent 编程:V4因视觉败给K2.6
2.推理性能:V4因高情商和智商完胜K2.6
3.世界知识:不相上下
4.小结:专业与社交用V4,工作任务用K2.6
也不枉几个月前大家被假消息被刺、心儿落空一次又一次,最终还是满怀期待。
按照官方原话,这次Deepseek V4在Agent能力、推理性能和世界知识上均实现国内开源领域的领先。
Deepseek V4有2个开源版本,一个是专家模式(V4-Pro),主打解决复杂烧脑问题,另一个是快速模式(V4-Flash),主打快速解决日常简单问题。
这里先用个案例让大家小小感受一下这俩模式的区别:
(快速模式)
(专家模式)
提示词:做一个狸花猫和奶牛猫打架的动态svg。
还是专家模式看着更好,两小猫更像打架,也更萌。
当然专业评测中,专家模式的数据也是耀眼的。
在智能化编程评测中,专家模式已达到当前开源模型最佳水平,并在其他Agent相关评测中同样表现优异。在数学、STEM、竞赛型代码的测评中,它超越了当前所有已公开评测的开源模型。
为更能看出Deepseek V4本次提升的3个性能,这里用专家模式与4月下旬发布的Kimi k2.6做详细对比。 (ps:昨天下午V4多模态功能开始灰度测试,因还未灰度到本人,本文结论基于V4原有版本而得)
一、Agent 编程:V4因视觉败给K2.6
系统生成
其实之前这篇前端和智能体打过Gemini 3 PRO,国内的kimi K2.5太强了!讲过Kimi K2.5的系统生成效果超过Gemini 3 PRO。那么可想而知,Kimi K2.6的生成情况必然是众望所归的结果。 K2.6优化的核心功能是长时间编码、智能体集群和多模态原生支持。系统生成虽无法检验它的长时间编码效果,但可窥得短时编码效果。
结果也确实是这样--与开源模型中,智能化编程最佳水平Deepseek V4相比,闭源模型Kimi K2.6胜在画面布局和模式切换(电脑或手机)。
(Deepseek V4生成)
(Kimi K2.6思考生成)
提示词:设计并创建一个类似 Windows 操作系统的 Web OS,具备完整功能:从文本编辑器、带 Python 的终端、代码编辑器、可玩的游戏,到能打开的文件管理器、画图工具和可用的视频编辑器,以及所有重要的 Windows 系统预装软件。可以使用任意库来实现,但务必确保我能把所有代码粘贴进单个 HTML 文件里,并直接在 Chrome 中打开运行。让整体效果有趣、细节丰富,呈现出超出常人预期的细节,在一个代码块中尽情发挥创意与美感。
两个模型产出的系统,在非视觉设置的功能上,倒是相差不大。
虽然Deepseek V4被比下去了,但至少编程功能上算是稳住了,还是能打过国际Gemini 3 PRO。
附件生成网站
需要美学设计类的网站可以说是Deepseek V4的硬伤。
它不像Kimi K2.6能用图像参与思考,并且能在长上下文中持续推理,也没有丰富的图片库能生成景点图的网站。仅仅只是产出全是图标的demo,而非成品。
比如这个旅游网站:
(Deepseek V4生成)
(Kimi K2.6思考生成)
提示词:参考这个网页,生成对应代码。
可能由于提示词暗含限制,两个模型生成的飞猪旅游网站都只能看到当前界面,无法点击里面商品详情跳转,无法调整时间地点。