还有人觉得 DeepSeek-V4-Flash 在非编程任务上不可靠吗？

（我不是母语者，这段文字是我自己写的，请多包涵）我真的很想喜欢 DeepSeek-V4-Flash-0731。但它存在一些严重缺陷，与其在智能基准测试中的高分并不相符。这些缺陷使它除了编程之外，可能在其他任何任务上都毫无用处。它会在看似微小却至关重要的细节上出错，也会在一些本该轻松解决的更明显任务上失败。这些错误使它变得非常不可靠，以至于我连总结文本或写信这类最简单的办公任务都不敢交给它。也许是我哪里做错了。下面提到的有些问题，对于这种规模的 LLM 来说似乎不太正常。说清楚一点：我希望这个模型能行。它比 Gemma-4-31B 更快，总参数量是后者的 8 倍。它擅长深入思考，如果给予联网搜索权限，做研究也表现出色。但在语言方面，它不仅败在“优美措辞”上，连从上下文中提取相关概念也做不好。这些方面似乎不在基准测试的考察范围内，但在日常办公中却是必不可少的。用例子来解释更容易。下面我给大家展示三个例子。 能力一：包含相关信息同时保持简洁 给定一段文本用于生成会议记录。DeepSeek-V4-Flash-0731：“Spreading irregular income over the year to make sure the essentials are available every month.” Gemma-4-31B：“Concept: The financial investments are designed to cover only part of the needs. The remaining gap will be filled by averaging the irregular income from self-employment throughout the year.” DeepSeek-V4-Flash-0731 的版本遗漏了存在两个收入来源这一信息。所以，尽管它指出了本质（问题所在），但这点不够清晰，因为它只涵盖了故事的一部分。Gemma 似乎有能力理解本质，并用简洁而精准的优美措辞将其表达出来。看看“by averaging the irregular income”，只用“by averaging”两个词就非常优雅地说清了发生的事情。DeepSeek 做不到这一点，更糟糕的是，它遗漏了金融投资是成本覆盖的一部分这一背景。这不仅是“优美”语言的问题（我们知道 Gemma 擅长语言），也是“概念理解”或“判断什么才相关”的问题。 能力二：理解说话人是谁 给定一段语音消息的文字转录和问题。“What would be her best option? How should she handle the situation? What are her possibilities? Please find the best way forward.” DeepSeek-V4-Flash-0731：它把整个回答写得好像我就是发那条语音消息并需要被称呼的人。鉴于问题中包含“her”，而且两条语音消息的标题分别是“Voice message 1 of the person”和“Voice message 2 of the person”，这是我无法接受的错误。在追问之下，它试图解释在回答中用“you”而不是“she”的原因：语音转录是以“I”的人称在说话，而语音消息占据了上下文的很大一部分，所以它过于看重“I”是提问者，从而假设是我在提问。但我明确写了“What could be her best option”，而且从标题就能清楚看出那些消息是另一个人的。DeepSeek 在这里失败了，这种失败是我无法接受的。AI 需要理解上下文，而不是被大量以“I”书写的文本搞糊涂。Gemma-4-31B：这里没有问题。它清楚地理解到，提出请求的人与语音消息中的说话人并非同一人。 能力三：不被次要短语搞糊涂 DeepSeek-V4-Flash-0731 被消息的开头搞糊涂了：“Hi, hi. So, Jon, his message is kind of funny. They’re currently up north, ...”仅仅因为“So, John, ...”可能是一种问候，它就假设整段 5 段的文字都是写给 John 的，尽管其余文本都在说“he”。Gemma-4-31B：从整个上下文理解出“So, John”是背景信息，而不是问候。它明白“John”不是收信人，而是被谈论的人。 结论 DeepSeek-V4-Flash 有 2840 亿参数。我以为它至少在这些领域能和 Gemma-4-31B 处于同一水平。语言不一定要像 Gemma-4 那样优美，但我原本期望 DeepSeek 知道如何纳入所有相关信息，或者正确理解上下文，然而令我惊讶的是，它做不到。