DeepSeek V4 Pro 发布之后，圈子里关于它「到底行不行」的争论就没停过。刚好 deepseek-harness 也趁着这波热度放出了预览版开源，等于把官方评测的那套「考卷」直接摊在了所有人面前。

，我更想自己上手验一验：这些被吹上天的测试项，V4 Pro 是真有实力一遍过，还是换个场景就露怯？这篇文章就是我这次「验货」的全过程记录——从怎么把 harness 跑起来，到五个核心测试项的逐项实测，再到它顺手能玩的插件与技能生态。话不多说，咱们直接开整。是骡子是马，让我们把他拿出来溜溜看。

我本想着本地跑的，但奈何本地的存储实在不够，兄弟们需要本地部署的直接在cmd里面输入这行命令即可

下面的实验我就使用CNB进行测试。来到CNB之后，将

的GitHub地址添加过来，然后cnb-init-from一下，等不到1分钟就行了搞定了仓库的迁移。

接下来就是启动deepseek-harness，那也很简单，给这个项目构建CNB流水线即可。构建完成之后直接访问这个地址。

点击之后即可跳转到首页，首次进入后需要配置一个 DeepSeek API Key 才能开始对话。

进来之后看着跟DS的官网对话网站还是很相似哈。

接下来我们就开始进行五个维度的测试。测试的模型就是DS的V4 Pro。

强约束指令（遵循句子生成测试）

：检验模型在多重硬性约束下生成文本的能力（约束遵循 / instruction following），能否同时满足互斥或对字数、用字、句式、标点等的精确限制。

请用一段话描写一次森林里的探险，要求同时满足以下条件：
① 总字数恰好 80 个汉字（含标点，不含空格）；
② 必须包含“苔藓”“篝火”“向导”三个词，且每个词至少出现 1 次；
③ 全部使用陈述句，不得出现问号与感叹号；
④ 段落第一句必须以“清晨”开头；
⑤ 全文不能出现任何阿拉伯数字。
请先简要说明你将如何满足上述约束，再给出正文，并在文末用括号标注实际字数。

在运行的过程中我们还能时刻看到网络请求，很用心了。

这里测试很正确，我将正文内容复制到文档里面确实是80字带标点，这一点很不错，我作为一个创作者，有时候经常需要控制字数进行输出，在市面上试了多种模型几乎没有准确输出过的模型，每次都会比我指定的字数要多几行字数。

：检验四则运算规划与搜索/回溯能力，是否有验证步骤而非只给结果。

请用数字 4、6、1、1 各恰好一次，通过加、减、乘、除及括号，使结果等于 24。
请给出完整算式，并逐步验证等号左右两边的计算结果，确保结果为 24。
（挑战：若用 3、3、8、8 会得到 24 点吗？请一并说明。）

我大致看了一眼，也是正确的，逐步验证过程也能经得起推敲。

：检验多条件约束下的逻辑推理、排除法与枚举能力。

有一个四位数密码锁，已知如下线索：
① 四个数字互不相同；
② 第一位比第三位大 4；
③ 第二位是个位数的质数（2、3、5、7 之一）；
④ 第四位等于前三位数字之和的个位数；
⑤ 整个四位数能被 3 整除。
请推理出所有可能的密码，并逐步写出推理过程与排除依据。

我看了一下，太多了，费脑子，我直接把这个丢给DS网页端进行复审看结果。

经过长达89秒的思考，终于也是给了我结论，结论还好是在预期内，要是不在那不就炸了，好在结论完全正确。

：检验前端工程能力，能否在单文件内构建一个可运行的“浏览器内操作系统”原型（组件、状态、交互）。

请用单个 HTML 文件（内联 CSS 与 JS，不依赖任何外部库）实现一个网页版桌面操作系统，要求包含：
① 桌面上有可双击打开/关闭的图标；
② 可拖拽、可最小化、可关闭的窗口；
③ 底部任务栏显示当前已打开的窗口；
④ 内置“记事本”（可编辑，内容保存到 localStorage）和“计算器”两个应用；
⑤ 一个可展开/收起的开始菜单。
请给出完整、可直接在浏览器打开运行的代码，并简要说明各模块实现思路。

简单使用了一下，没有出现不可以的情况。计算器、记事本以及系统的介绍，包括右下角的时间显示，均为正确，还不错。

浏览器系统

：检验交互组件、拖拽排序与状态持久化（前端综合能力）。

请用原生 HTML/CSS/JS 实现一个类 Trello 看板应用，要求：
① 可创建多个列表（默认“待办”“进行中”“完成”）；
② 每个列表内可添加卡片，卡片支持编辑文本与删除；
③ 卡片可在同一列表内及不同列表间拖拽排序；
④ 所有数据保存到 localStorage，刷新页面后不丢失；
⑤ 提供新增列表与删除列表的功能。
请给出完整可运行代码，并说明拖拽与持久化的实现方式。

测试了一遍很完美，good，满足我们的条件。

Trello 看板

五个测试均符合预期，并且都是一遍过。最关键的是五个测试下来缓存命中率达到了96%。

自己测试下来，发现Pro还是真挺行的，速度快，效率高，我是觉得挺好用的，不知道各位有什么独到的看法。

接下来我们在试试如何制作插件，我看了一下，插件列表里面一共有159个插件，有启用的，还有未启用。

对于小白来说，想要自己创建插件，直接跟他对话告诉他就行即可，在他需要允许的时候允许就行了，非常方便。

还有一个就是大家关心的skill技能问题，这里我使用我自己仓库里面的

做了测试，同样也是将仓库地址输入给他，让AI帮我们进行安装。下面是调用这个技能实现的过程，很简单很方便。

把五个测试项跑完，结论其实已经很清楚了：V4 Pro 不是「参数好看、实测拉胯」的样子货。强约束指令的字数卡得死死的，24 点和密码锁推理步步有验证，浏览器系统和 Trello 看板一遍就出了可运行的成品——最关键的是全程缓存命中率 96%，意味着它不只是「能做对」，而且是「做得又快又省」。

回到开头那句话：是骡子是马，拉出来遛遛。这一遛，V4 Pro 起码在我这套考卷里，是真正溜得起来的。

当然，五个测试远定义不了一款模型的全部能力，插件和技能生态也只是刚开了个头。后面我还会继续折腾它的 Agent 工作流和自定义技能，感兴趣的朋友可以关注一波。也欢迎在评论区聊聊：你最想用它来测什么？

预览版开源，我用CNB跑通了deepseek-harness流水线，于是我给V4 Pro出了5道硬考题，结果出乎意料

先锋会员

人工智能

开发工具

测试

实测DeepSeek V4Pro五项核心测试全部一遍通过：强约束指令精确控制80字、24点推理步步验证、密码锁逻辑缜密、浏览器系统与Trello看板功能完整，缓存命中率高达96%。插件生态159个，支持自定义技能，实测速度快、效率高，真实力而非参数噱头。

系统测试

GitHub

Agent

快速部署LLM、AI绘画等应用,助你玩转AIGC！


腾讯云BI特惠9.9元起！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

预览版开源，我用CNB跑通了deepseek-harness流水线，于是我给V4 Pro出了5道硬考题，结果出乎意料

预览版开源，我用CNB跑通了deepseek-harness流水线，于是我给V4 Pro出了5道硬考题，结果出乎意料

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐