⚠️， DeepSeek-V4-Pro-0813 你们觉得怎么样？ 我们部门内部盲测不如 GLM5.2

[alanying]

光看榜单感觉也不是很靠谱。

[alanying]

其实是 Qwen3.8 > GLM5.2 > K3 > DPSKv4 Pro 的但是标题写 Qwen3.8 怕被喷

[shintendo]

GLM5.2 > K3 是认真的吗

[foryou2023]

估计得重新测试了，官网刚刚才更新了更新日志，就是官方的 harness 还不发布，不知道啥时候发布。

[shintendo]

@foryou2023 说是明天

[Miaoz]

GLM5.2 > K3 认真的吗 +1

[jackerbauer]

主观太强

[jackerbauer]

不过 GLM5.2 > K3 ，确实离谱

[cue]

你们部门……是千问团队吗……

[Qmanman]

glm5.2 不太行

[isbase]

据说模型上错了 再用目前的版本试试

[alanying]

@jackerbauer @Miaoz @shintendo 确实主观性比较强


@cue 🤣 我要是千问团队我都不敢对外讲，名声不好。

[alanying]

@isbase 还有这回事

[bowen628]

官方 harness 已经发了，包名 @deepseek-ai/dsh ，这轮盲测可以顺手重跑一次。模型横评不固定壳，工具 schema 、prompt 拼法、上下文回放全会混进分数，最后测的其实是 model+harness 。利益相关：我参与 BitFun ，我们这边一直把 prompt 做成字节级稳定，SWE-Bench-Pro 那轮 KV cache 平均命中 98.67%；拿同一仓库在 DSH / BitFun 交叉跑，应该比只看榜单有意思。

[Tink]

测试方法是啥啊？

[exhades]

GLM5.2 是什么路边，我这边都是 K3 > qwen3.8max > dsv4Pro > GLM5.2

[cowcomic]

据说已经下架了

[xiaoz]

@cowcomic DeepSeek 官方公众号已经宣布正式上线了。

[lsylsy2]

@exhades v4pro 预览版我感想是不如 glm ，正式版还没测
@xiaoz huggingface 撤回了，链接进去是 404

[renzhe8102]

@exhades k3 路边

[FantaMole]

之前在梁子的那个内部会议的纪要出来的时候，我就在论坛里的一个帖子提过 DeepSeek 一直是个小而美的公司，梁子本人是很有理想，但是其他人是要吃饭的，这个扁平化的理想主义管理架构在拉进来一堆人之后可能很难管。就 13 号这个混乱百出的样子，感觉可以一窥内部的失控样子

DeepSeek Pro GA 没有让我感到有惊艳的地方，由于公司项目我搭了一套 AI Coding Framework ，所以只要模型不是太差，能够有 GLM5.2 级别的能力，大部分工作不会有太多体感差距。不过今天处理的一个复杂问题，处理结果不及预期，最后是用 opus5 处理掉的

DeepSeek Harness ，刚刚才有空探索了一下项目，准备明天尝试一下。不过看知乎上的评价，感觉一堆人说了半天没有重点不知道说了什么东西，全在聊拓展性