DeepSeek-V4 首发实测：国产模型的「iPhone 时刻」到了吗

DeepSeek-V4 发布当天我就把测试跑完了。结论先说：这是目前国产模型里综合体验最好的一版，但「iPhone 时刻」还差最后一步——生态。

测试一：深度思考（复杂推理）

我用一道经典的逻辑题测试：「3 个人住店付 30 元，每人 10 元。老板优惠收 25 元，让服务员退 5 元，服务员私藏 2 元，退给每人 1 元。那么每人实际付 9 元，3 人共 27 元，加服务员藏的 2 元是 29 元，还有 1 元去哪了？」

V4 不仅给出了正确答案（典型的误导性叙述），还主动指出了这道题「偷换概念」的位置，并类比解释了两个类似陷阱。整个推理链完整展示，没有跳步。

测试二：代码能力

我让它写一个「带并发控制的文件批量重命名脚本」，要求：保留原扩展名、处理重名冲突、显示进度。一次通过，代码结构清晰，异常处理也考虑到了。

经验：给代码任务时，把「边界条件」明确列出来（重名怎么办、文件被占用怎么办、中途取消怎么清理），V4 的表现会再上一个档次。

测试三：长文本总结

扔了一篇 2 万字的行业报告进去，要求总结成「给老板看的 300 字」。它不仅总结了，还分出了「机会 / 风险 / 建议行动」三档——这个结构意识，很多人类助理都做不到。

5 个发挥全力的提示词写法

1. 先要思路再要答案：「请先列出解题思路，我确认后再给最终答案」
2. 给角色：「请你以资深 XX 专家的身份回答」——角色越具体，输出越聚焦
3. 给格式：「用表格对比，列出维度：价格、速度、稳定性」
4. 给反例：「注意避开 XX 误区，不要 XX」——负向指令往往比正向更有效
5. 让它自检：「请检查你刚才的回答，列出可能出错的地方」

它现在还不擅长的事

• 实时信息：训练截止日期之后的事，它不知道，别问
• 精确计数：长文本里数「出现了几次某个词」，它会错
• 主观审美：「帮我设计一个好看的界面」——它能写代码，但审美还得你来定

一句话总结

日常办公、写代码、读长文，V4 已经是第一梯队。iPhone 时刻差的那一步，等应用生态跟上，就不远了。