DeepSeek 4.1 Flash 测试结果

浪费时间！DeepSeek 4.1 Flash

我曾经因为 DS 的风格和梁文锋说的那句话，而对 DS 充满了好感。 但是，我对DeepSeek的好感所剩无几了！ 搞技术，实力为尊，做产品，体验为上，其它说再多都无用。 我这篇文章本来的标题是“辣鸡……”，后来想想算了！ 我对DS 最近的印象是：新版 Pro 很拉胯，编程工具 DSH 很拉胯，API 莫名其妙扣掉 60 多块，还欠了 -12 块！ 听说 DS 又出了一个新版本，我心不死，又跑来测了一下！ 名字的长度是越来越离谱了： deepseek-v4.1-flash-expires-on-0910 。(对比GLM5.3 GPT5.6，Opus5) 听说是采用了新的模型结构， 原生支持多模态（敢情之前的是假多模态？），能力更强，速度更快，成本更低！ 看起来挺不错的！ 我就拿一个例子测了，测了这个例子之后，我再也不想往下测试了！ 它确实很快，但是又超级慢！ 快在 tokens 输出速度高达 335 tok/s，慢在实际任务，超过三小时！ 终于它比GLM 还慢了！ 1、测试结果 我先给大家看一下运行的汇总情况： PS：图中的高效调用，稳定输出是GPT生图乱加的！实际情况完全相反！ 然后来看一下结果： 我先不展开说，大致结论是： 浪费了大量时间，但是结果一般！ 例子已经上传，在线对比地址： topai.jarvisuni.com/Jarvis-Gara… 然后我来说一下过程以及过程中遇到的问题！ 2、测试工具 这次还是用的 DeepSeek Harness。我是一点都不喜欢这个工具，体验太差了。 但是为了防止有人说第三方工具发挥不了 DS 的能力。所以我就用 DSH，然后就用它的标准模式。 启动命令如下： C:\Users\tony>dsh  web dsh web: http: //127.0.0.1:3080 然后配置官方的 API 和添加这个测试模型： 官方工具、官方 API、官方模型！ 电脑和操作系统和写指令的人不是 DS 的，这些没办法。 可能有人还说要 Linux 才能发挥 DS 的能力，DS 你可太会挑了，DS 的部分用户，已经有点迷信的成分了。 3、我的需求 需求内容如下： 文字内容如下： 我在网上看到一个很有意思的例子，就是有人做了一个在线车库，可以快速切换车库中的各种车辆，以及显示这个载具的数据，中间显示具体的内容，可以通过鼠标拖动查看不同角度，然后可以切换涂漆，可以切换视角，可以自动旋转展示！网页配色，布局，内容我希望你尽可能还原参考docs中的图  2 .png ，不同之处在于车库里的车子，以及骑车的人，以及车库的名字。 车子我希望你做一辆自行车，一辆电瓶车，一辆机车，一辆三蹦子，一辆五菱宏光，一辆特斯拉，一辆小米，一辆保时捷，一套钢铁侠的经典战甲。具体型号你自己定，要主流的型号。 骑车开车的人物根据参考docs中的图  1 .jpg  的头部形象进行设计，做一个  3 D  Q  版卡通想象。车库的主人是 Jarvis。 我的需求就是这样，细节你来完成，我只负责验收。使用单个  HTML  和前端技术完成。页面是 3 D视图，需要对建模进行良好的渲染。车子的建模要精准，人物建模要抓住特征，搞帅气一些。 不参考和修改当前目录下的其他文件。车子要考虑玻璃的半透明效果和车内部建模。   当前已经有一个页面了，不要读取和修改。单独生成一个全新的页面。 为了不让它搞错，我给它的提示词，其实比给别人的还要多。 参考图如下： 东西给完之后，就开始干活了！ 4、测试过程和问题 刚开始就遇到了一个小问题： 工具调用失败了！ 从提示来看，像是在说这个模型不支持图片输入，然后切换到其它模型去识别图片了。 这个事情，我就已经感觉很奇怪了，这明明是个多模态模型，怎么就不支持图片输入呢？ 为此，我专门配置到 Claude Code 中做了测试： 作为第三方的智能体，图片识别完全正常！ 而且速度确实非常快，3 张图片识别完成只用了 8 秒钟，包括了思考过程。 这个速度确实相当可以了！ 接下来它生成了任务清单： 这个清单还是很不直观，直接是一个 json 格式。感觉不是给人看的！ 搞了一段时间后，它就进入到了验证运行错误的阶段： 从这里来看生成速度应该还可以，但是验证阶段，简直了……！！！ 我不确定它在跑什么，但是很久，很卡。中间把 cURL 异常都弹出啦，科学工具重启，浏览器整个崩掉重启。 所以从上面的截图可以看到，我暂停了一次，然后继续！ 接下来就是漫长和枯燥的等待： 我是从九点多开始的，断断续续，已经搞到十一点多了。 单看最新一轮的对话已经持续了 81 分钟了，完全没有停止的样子。提示信息也不变，就这么卡着。 什么子代理后台任务开了一大堆 ，好像很牛逼的样子。后来一查反而把效率拉低了！ 我估计卡死也是因为并发太多的问题。 等着太无聊了，看了一下项目文件夹。 里面有一大堆文件： 还有专门的 Chrome 配置文件： 我测试了几十个顶尖模型，没有一个模型能干出这么多文件的。别人都是一个文件搞定，又快又好。 它搞了这么久，是不是结果会很好呢？其实也并没有！ 我们来分析一下这个结果。 首先，它的网页复刻能力也是倒数的。 大的颜色和结构都在，但是细节错误不少。首先是颜色选择正常应该在左边啊，它移动到了中间，拖动提示词应该在颜色选择上方，其次是右边的选择应该是开关按钮而不是刷新按钮。 然后上线区域的高度和分割线也没处理好。其它字体、颜色、间距的细节就不说了。 页面还原能力比较糙！ 其次，建模效果也一般，你这个人物搞这么丑，脸都没有，我怎么给你好评啊！ 建模能力好像有所提升，比上一个版本细节了很多 自行车、电瓶车、摩托车这几个建模已经看起来像模像样了，但是特斯拉、小米、保时捷，还是很抽象！ 能看出来是个车子，但是绝对不是小米。细节错误很多！ 总体来说： 网页复刻中下水平，建模中等水平！ 我最生气的还是： 它浪费时间，浪费空间，浪费 tokens！ 我让它查了一下它生成了多少文件！ 它说，测试文件生成了 177 个，33M。 还有 100 个 Chrome 用户配置！！！占了 2.2GB，总共 28959 个文件！ 我可以骂人吗——SB！ 无头校验一行命令就可以了。为啥搞这么多文件，你会不会啊！ 人家都可以 ComputerUse 和 BrowserUse 了，嘎嘎快，嘎嘎好用，你在这里给我搞一堆 Chrome 配置文件！ 然后我问了一下它为什么这么慢， 时间都去哪里了！ 它给我做了一个时间去向总结（诚实版）： 它的一句话总结是： 80% 的时间不在写代码，而在“渲染→截图→交给视觉模型看→改→再渲染”这个验证闭环上 。我跑了 18 个后台渲染任务 + 21 次视觉模型评审 ，每一次循环都是分钟级的。 具体的时间分布情况： 环节 耗时占比 具体数字 无头 Chrome 渲染截图 ~40% 18 个渲染任务累计 约 80 分钟 。单张截图 5s～234s，最慢一张 234s 视觉模型评审 ~12% 21 次 workflow 调用，每次 30～120s，约 15 分钟 真实建模/代码编写 ~25% 7 个源文件（约 3500 行）分块写入 排错（见下） ~15% 6 次以上的“猜→渲染→发现猜错”循环 环境摩擦 ~8% 无网络、编码、沙箱审批 它一张截图就能搞 234s（6 分钟），你说是不是SB！ 然后它自己总结了自己犯了哪些错误： 1.   **虚拟时间预算算错** （最贵，约 15 分钟）  `--virtual-time-budget=12000`  意味着 Chrome 要跑约 750 帧，而软件渲染一帧要 0.2～0.8s →  **单张截图 121 秒** 。正确值应该是 300～600ms（约 25 帧）。这一个参数就多烧了十几分钟。 2.   **"只画两帧"的优化走了死路** （约 10 分钟） 为了省时间我加了  `__ONESHOT__`  模式，结果因为  `preserveDrawingBuffer`  与合成器时序问题， **所有截图全白** 。我花了 3 个循环才确认是"渲染确实发生了（279 次 draw call / 83796 三角形）但合成器没取到画面"。 3.   **4 路并行渲染反而更慢** （约 12 分钟） SwiftShader 是纯 CPU 渲染，4 个 Chrome 抢同一个 CPU，600 秒超时，还留下  **43 个僵尸 Chrome 进程** 要清理。 4.   **视觉模型大量幻觉，我追着假问题改了好几轮**    - "Spacebar · 3 wheel 文字重叠"——页面里根本没有这个字符串    - "仪表台上的花束"——那其实是 Q 版人物透过挡风玻璃露出的粉色头发    - "三轮车只有一个后轮"——两个都在，只是 3/4 视角遮挡    - 同一个模型在不同截图里给同一辆车打 4/10 和 7/10     **真正的 bug 反而是数值审计找出来的** ：我后来加的 IK 残差报告（ `?diag=1` ）一秒钟就暴露了"自行车/机车手臂差 9cm 够不到车把"，DOM 矩形审计（ `?layout=1` ）一次就找出"小视口下列表面板溢出"。 **我应该一上来就做数值审计，而不是先做视觉评审。** 5.   **Bug 发现得太晚，每个都要付一整轮渲染的代价**    -  `add()`  把已构造的 Mesh 当几何体传入 → 62 处调用点全部报错，整个 3D 场景不渲染    -  `scene.add(g)`  漏写 → 九宫格里 8 个格子全空    -  **IK 符号搞反** ： `torso.rotation.x = +0.26`  实际是让骑手往后仰，不是往前倾 → 手臂永远够不到车把，我调了三轮角度才发现 6.   **环境摩擦** ：我的模型 **不支持读图** （必须绕道视觉子代理）、 **无外网** （three.js 只能从本机其他项目找一份并改写成 IIFE）、每次启动 Chrome 都要沙箱审批（前 3 次）、PowerShell 5.1 的 BOM/编码/ `if`  表达式语法各踩一次。 它自己都觉得自己的错误“罄竹难书”！ 这只是它自己总结的，如果站在更高的维度来看，错误可能更多。 如果让 O 哥看了，可能直接建议“不要开始了，弃用就好”！ 然后它还总结了一下，下次能快多少，据说可以压到 40~50 分钟！ 从它的时间比例可以看出来，模型调用的时间就 20 多分钟，但是工具调用 161 分钟。 所以它对工具的控制能力是非常弱的。根本就没有用好工具！ 大概率不是没用好，而是不太会。就是说它这个模型和 Harness，对工具的理解和控制并不好。 时至今日，Opus 5，GPT-6 这种都是又快又好，预判能力和有用信息的提取能力，以及工具的利用能力都非常强。这种东西没法量化，但是你一旦用了，一旦对比了，立马就有强烈的感受。 然后我再来做一个横向对比吧！ 我先简单说一下，谷歌 3.8 Flash，网页复刻很好，3D 建模做得不咋地，但是速度几块，只要 3 分钟，这才叫 Flash 啊！ 然后重点来对比下它真正的对手 GLM5.3Flash （价格也很便宜） 同样的例子，效果比 DS 好。网页布局方面还原度很高！DS 有的两个问题，它都做好了。 建模方面，人物的细节也要好很多： 目前钢铁侠的建模还是一个难点！ 我之前一直吐槽 GLM 最大的问题就是“慢”！ 这个例子从生成到验证也是花了不少时间的。我记得是一个小时多一些！ 我当时觉得，效果很不错，但是速度太慢了！ 现在一看，速度也还可以。 一个三小时，一个一小时，这么一对比，一小时的是不是快到飞起了！ 我本来是想多测几个例子的，但是测完这个已经半夜了，我觉得它不光浪费了我的钱，扼杀了我生命了。我非常生气！ 当时写下一句“辣鸡”就去睡觉了！ 今天早上情绪稳定了很多。冷静下来看看，DS 的综合能力和国内外的顶尖模型相比，确实落后，它最新版的模型，都比不过人家几个月前的模型，更不用说和国外顶级模型去比了。 它的 Harness+model，在智能体任务上的整体体验还是挺糟糕的！ 模型速度很快，但是完成任务的时间很久！ 对工具和资源的控制能力很差！ 浪费了大量时间和 tokens。本质上还是智商低，所以不停地试错，这种成本最终转嫁给了用户！ 所以，我觉得这篇文章最适合的标题是：“浪费时间”！ 一方面，表达我不应该浪费时间来测试，另一方面表达它官方这一套工具模型目前确实很浪费时间！ 当价格优势和速度优势不再，能力又不拔尖，工具又草台，DS 的优势何在？ 之前可能因为开源，现在所有国产模型都开源了，而且比它好。 DS今天这个样子，各种无脑吹，要付一半责任！ 现在开始追，大规模招人，可能有点晚了！ 再多说一句，DS 和宇树，就是被全民的热捧害死的，本来按它们自己的节奏，做自己，都挺好的。默默搞技术都挺好的。 不要觉得我骂人的话难听，智谱也被我骂过很多次，但是人家吸取教训越来越强了！ 希望下次再测 DS 的文章开头是：“卧槽，牛逼了！” 最新几个模型的效果对比可以访问： topai.jarvisuni.com/Jarvis-Gara… 我已经全部上传了！之前的模型也上传了，一起通知下！