DeepSeek V4 Flash 的确是性价比之选

本来周末写了一篇回忆大学的文章,不知道触发了什么规则,被给删掉了。最近两周连着被删了两篇文章,也真是有点儿郁闷。

本来周末写了一篇回忆大学的文章,不知道触发了什么规则,被给删掉了。最近两周连着被删了两篇文章,也真是有点儿郁闷。今天还是回到 AI 相关的话题,来聊一下 DeepSeek V4 Flash 的感受。

在 7 月的最后一天,DeepSeek发布了 V4 的正式版本,DeepSeek V4 Flash。DeepSeek V4 Pro据说还需要等一段时间,另外有消息说 DeepSeek Harness也快要发布了。

随着 DeepSeek V4 Flash的发布,Artificial Analysis也发布了一些对比的benchmark.

DeepSeek V4 Flash 的确是性价比之选

DeepSeek V4 Flash 的确是性价比之选

DeepSeek V4 Flash 的确是性价比之选

从上边的数据可以看到,V4 Flash的智能能力比预览版的 Pro 要好,速度很快,性价比更是拉满。最关键的,DeepSeek自己的文章中提供了在codex集成 V4 Flash的方法。作为一个现在工作以及我们公司产品均重度依赖模型能力的创业者,我在 7 月 31 日当天就把 codex切换到了DeepSeek V4 Flash,周六周日两天用一些任务来验证一下 DeepSeek V4 Flash的能力。

DeepSeek V4 Flash 的确是性价比之选

因为Geneo这个产品推出之后,一直没有时间在产品中增加 Gemini的支持,所以我决定周末的时候利用vibe coding来给这个产品增加Gemini的支持。整个开发就决定用 codex+DS V4 Flash来完成了。

我首先是从github上把产品相关的代码都下载到了我的mac上,然后让 DS 先去理解代码的逻辑。

DeepSeek V4 Flash 的确是性价比之选

在理解完成代码后,我开始把我的要求提给codex,说我先要增加一些多语种的支持。codex+DS非常规范的先去理解我的需求,然后给出多个实施方案让我选择:

DeepSeek V4 Flash 的确是性价比之选

在我选定方案后,就开始执行编码和测试过程。整个过程虽然遇到了一些小问题,但是最终这个需求比较快速的完成了。

在完成多语种之后,我开始把增加 Gemini支持的需求提给了codex。它还是采用先理解和澄清需求,然后再提供方案的模式。由于这个功能的支持牵扯到了前端和后端两个项目,所以开发起来就比较复杂,中间大大小小就遇到了一些结果不像预期的情况。但是当我把错误反馈给 Codex的时候,模型还是能很快的分析出问题的原因,然后去修正问题。

花了两天左右的时间,整个功能基本开发完成,我已经部署到了测试环境,开始自己做一些功能和边条件测试,估计本周这个功能增强就能正式上线了。

花了两天多时间体验下来,DS V4 Flash的几个非常明显的优点如下:

1.便宜 

在这个 Token越烧越多的时代,便宜是个绝对的杀手锏。在发布当天,我看到价格的时候就觉得真香。周末两天用 DS 实现了产品的功能增强,算是干了不少东西,结果一看花费,才 12 元 RMB。做个对比,我们同事周五在用 OpenAI的 GPT 5.6 Terra,随便一用就花了接近 40 美金。同样我订阅的Kimi K3模型,现在 199 套餐我随便跑点儿东西一周的量就用光了。

2. 写程序能力足够

对于需求比较确定的应用开发来讲,DS 4 Flash的能力足够了,配合上codex,足够用来进行日常应用开发工作。

3. 速度快

相比Opus 5,DS 4 Flash的速度显得太快了。我现在 Opus 5经常在那里慢慢吞吞出不来东西,对比起来 DS 4 Flash 简直速度太快了,让我都不适应。

当然,DS 4 Flash 也有缺点,就是多模态能力不行。一开始我遇到错误是截屏贴图给 codex,因为用 CC 的时候我已经习惯贴图了。但是DS 4 Flash因为没有多模态能力,就会去我本机找图片识别的工具来尝试识别图片内容,但是显然是达不到目标的。后来我就在coding中让他打印错误出来,然后我把错误文字贴会给 Codex来让它修正问题。

综合来讲,DS 4 Flash的确是一个非常值得的模型产品,对于做vibe coding的朋友来讲,绝对是一个高性价比的选择。这里非常期待 DS 4 Pro的能力以及 DS 的harness,另外希望 DS 尽快能够完善自己的多模态识别能力。

另外,今天 QWen 3.8 Max发布了,据说表现不错,我也找个时间体验一下看看。照目前这个态势,GLM和 Kimi 要好好考虑一下自己的定价策略了。

来源公众号: 老阎杂货铺(ID:gh_59d2a9b32af1)分享一些个人的技术的研究。

本文由 @老阎杂货铺 原创发布于奇赞平台,未经许可,禁止转载、采集。

该文观点仅代表作者本人,奇赞平台仅提供信息存储空间服务。

赞 (0)

为你推荐

发表回复

登录后才能评论
李坤锦
李坤锦
公众号
公众号
视频号
视频号
小程序
小程序
返回顶部