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

18 replies • 2026-08-13 23:42:00 +08:00

1

alanying

OP

4h 43m ago

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

2

shintendo

4h 39m ago

GLM5.2 > K3 是认真的吗

3

foryou2023

4h 34m ago

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。

4

shintendo

4h 31m ago

@foryou2023 说是明天

5

Miaoz

3h 40m ago

1

GLM5.2 > K3 认真的吗 +1

6

jackerbauer

2h 52m ago

主观太强

7

jackerbauer

2h 51m ago

不过 GLM5.2 > K3 ，确实离谱

8

cue

2h 48m ago via iPhone

你们部门……是千问团队吗……

9

Qmanman

2h 47m ago via Android

glm5.2 不太行

10

isbase

PRO

2h 10m ago via iPhone

据说模型上错了再用目前的版本试试

11

alanying

OP

2h 9m ago

@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。

12

alanying

OP

2h 8m ago

@isbase 还有这回事

13

bowen628

57 mins ago

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。