JeecgBoot AI专题研究| DeepSeek-V4-Flash 正式发布后的一天真实使用复盘——上次吐槽的问题一个没遇到速度还飞快先承认上个月那篇吐槽我需要回来补个后续7 月初我写过一篇《不吹不黑DeepSeek 编程实测翻车》记录了一周真实使用中遇到的低级错误字符串拼 YAML 把配置改得面目全非、改完 Java 从不编译验证、跨文件引用追不到、看到版本号数字小就往上加、还时不时越权改不该动的文件。那篇文章的结论很直接——DeepSeek 想学 Claude 做全局理解能力没跟上位置很尴尬。当时我说希望 DeepSeek 官方能看到这些一线问题尽快修掉。说实话我当时对尽快的预期是几个月起步。结果 7 月 31 日DeepSeek-V4-Flash 正式版 API 上线公测。本着吐槽过就要再测一次的原则我把它接回 Claude Code认认真真用了一整天。先说结论避免你读不下去之前那些低级问题一个都没遇到。不是变少是没有。而且速度是真的快。为什么这次值得再测上个月的问题清单我简单回顾一下因为后面要逐条对照#上个月的问题严重程度1用 Python 字符串拼接操作 YAML缩进全乱 灾难级2改完 Java 从不编译验证10 次 9 次编不过 灾难级3只读当前文件父 pom 继承的版本号追不到 高危4看到3.9.2-beta就猜该改成3.9.3不查证 高危5擅自越权改 pom.xml、package.json 中等6replace_all 全局替换污染项目版本号 中等7改坏了不停止继续写脚本救火越陷越深 高危这七条里前三条是能力问题后四条是习惯问题。能力问题可以靠模型迭代解决习惯问题需要工程流程层面的自省——我原本以为后者更难修结果这次反而最让我意外。先说官方数据Flash 正式版上线时给了什么在我动手实测之前官方先放出了对比数据。7 月 31 日上线的 V4-Flash 正式版官方直接甩出了它与 V4-Pro-Preview、GLM-5.2 的 Agent 基准横评——两个信号相当扎眼全面超越自家 Pro-Preview在所有 Agent 基准上Flash 正式版都压过了 V4-Pro-Preview全面赢了 GLM-5.2全部 9 项有数据的基准每一项都是 Flash 领先挑几个关键数字看基准测试V4-Flash 正式版V4-Pro-PreviewGLM-5.2Terminal Bench82.772.181.0CyberGym76.752.7-Toolathlon70.355.959.9DSBench-FullStack68.7-61.8DSBench-Hard59.631.154.5DeepSWE54.4-46.2NL2Repo54.2-48.9我格外关注其中三项Terminal Bench 82.7——衡量模型在终端环境执行命令、操作文件、完成多步骤任务的能力。它比 Pro-Preview 高了 10 分逼近 Opus 4.8 的 85.0。这条恰好对着上个月改完不编译验证的吐槽终端操作链能力直接决定模型能不能自己完成改完 → 编译 → 验证这个闭环DSBench-Hard 59.6 vs 31.1——内部 Coding Agent 难题集接近翻倍。上一轮10 次修改 9 次编不过的难堪在这项数据上已经能看到反转的伏笔Toolathlon 70.3 vs 55.9——多工具协同能力领先 Pro-Preview 近一倍还有个值得玩味的技术细节V4-Flash-0731 的模型结构、尺寸和 preview 版本完全一致只重新做了后训练post-training。没有加参数、没有换架构纯粹靠训练方法论就把 Agent 能力拉到了超过自家 Pro 的程度——这对行业也是个信号模型能力提升不一定只靠堆规模。当然基准是纸面数据我上个月就说过别只看跑分。所以关键还是看真机实测。实测方式不跑 benchmark跑一整天真实工作这次的测试方法和上个月保持一致Claude Code 接入 DeepSeek 模型干真实的活儿。我不太信跑分——上个月那个10 次修改 9 次编不过的问题跑分是绝对测不出来的只有真实任务会暴露。这一天我做了什么改代码几个 Java 项目的日常修改包括 JeecgBoot 相关的模块调整、配置调整、依赖处理有单文件小改也有跨文件的改动批量改配置特意让它一次性批量修改多个 YML 配置文件——这正是上个月翻车最惨的场景必须重测查资料、读代码让它帮我梳理不熟悉的模块结构、追版本号定义写文章包括你现在正在看的这篇——从抓取上一篇文章、改写润色、生成 Markdown、维护索引到后面要跑的多平台发布流程全流程跑了一遍跑工程流程编译、SVN 提交update/commit 一步没含糊、脚本调试一整天下来没有刻意设计考题都是真实会遇到的需求。这种测法最公平上个月翻车的场景都是真实工作中自然发生的。逐条对照上个月的坑今天还踩吗直接上对照结果#上个月的问题今天的表现1字符串拼 YAML✅ 用精确编辑工具改配置缩进分毫不差2改完不编译✅ 改完 Java 自动编译验证报错立刻定位修复3只读当前文件✅ 追父 pom 继承、跨模块引用都追得到4版本号只看表面数字✅ 先查证再动手不瞎猜5越权改不该改的文件✅ 范围控制干净没碰不该碰的6replace_all 污染版本✅ 精确匹配替换diff 干净7改坏了闷头救火✅ 出错先复盘再动手没有越陷越深写出来就是一行行干巴巴的对比但用的时候是真的爽。挑几个印象深的展开说。先说 YAML 这件事。上个月 DeepSeek 用字符串拼接处理 YAML把mybatis改成ybatis、配置块从文件中间挪到文件末尾——这种事在我心里已经留下阴影了。这次我特意又测了同样的场景让 AI 批量修改多个 YML 配置文件。结果非常快改完我盯着 diff 看了一遍缩进、注释、层级全部完好没有任何多余修改。一个工具正确使用的问题上个月翻车翻得那么惨烈这个月稳稳当当这种对比最直接。再说编译验证。上个月改完从不编译、10 次 9 次编不过是最扎心的。这次我特意留意了这一点一整天下来开了好几个会话任务改 Java 代码改完会自动编译编译报错会立刻定位修复而不是丢给我一堆你自己看着办——从头到尾没有再发现一次低级编译报错。这个习惯的养成恰恰是我上个月建议DeepSeek 官方应该优先修掉的——他们真的修了。还有跨文件追踪。上个月让它改项目 B 参考项目 A版本号定义在父 pom 里它追不到只会瞎猜。这次同样的情况它会沿着继承链往上游找真正的定义找不到就先汇报而不是先动手。这个变化对 Maven 多模块项目意义重大——毕竟依赖版本经常躺在父 pom 里。速度这是最出乎意料的部分如果只用一个词概括今天的体验我会选流畅。响应速度很快比上个月用 V4 Pro 时的体感明显更快。我这次用的是 deepseek-v4-flash[1m]——1M 上下文版本长对话、大项目上下文都不怵。一整天的会话里我经常开好几个上下文很重的任务项目代码 文档 之前的会话记录没有遇到明显的变慢或者上下文被截断的憋屈感。对一个整天坐在电脑前的人快意味着什么意味着你提需求、看结果、给反馈这个循环的节奏能跟得上你的思维而不是每次等响应等到走神。今天这个循环转得很快这也是我能一整天高密度用下来的原因之一。一天下来的整体感受如果用上个月那篇的三个灵魂问题来验收今天的表现它改完会不会自己编译验证—— 会而且会自动修复编译错误。它会不会擅自改你没让它改的东西—— 不会范围控制得很干净。它看到不理解的代码是深入追查还是看着表面数字就动手—— 追查找不到先问。三个问题全过。上个月这三个问题全挂。一个月时间同一个生态体验翻转。横向对比和 K3、GLM-5.2 比差距在哪前阵子我写过 K3 和 DeepSeek V4 Pro 的对比也聊过国产模型的速度困局。今天把 Flash 放进这个坐标系里结论很有意思编码能力上Flash 和 Kimi K3、智谱 GLM-5.2 目前看不出太大区别。这三个都是第一梯队的编码选手日常任务各有千秋很难说谁明显压谁一头——官方基准里 Flash 赢了 GLM-5.2实际用起来也确实互有胜负但都属于顺手的范畴没有哪家明显掉队。但速度这一项Flash 完胜。这一点感受太强烈了K3 现在我是真不敢用太慢了。响应慢意味着什么意味着你等它思考的时间都够你自己想清楚下一步怎么做了。而 Flash 的响应几乎是即时的你提需求、它干活、你看结果节奏完全跟得上。当模型之间的能力差距拉不开时速度就是那个决定日常体验的变量。能力 95 分和 92 分的模型你可能一天都感觉不出差别但响应快 3 倍和慢 3 倍你十分钟就能感知到。这就是为什么我现在的日常主力模型已经切到 Flash——不是因为它比谁都强而是因为它是够强 最快的那个。短板也要说图片识别还是不行既然是实测短板也得交代。Flash 目前对图片的理解还是明显短板——今天实测中图片类的任务比如读取界面截图、分析配图它处理不了需要降级到外部视觉模型才能完成。这对纯文本编程任务影响不大——改代码、写配置、查文档这些用不上读图。但涉及 UI 截图分析、视觉检查、设计稿理解这些场景时会受限得靠外部视觉能力补位。上个月那篇我吐槽读不全这次倒是真读得全了但看不了图这个新短板依然在。想拿它做全栈视觉任务的得注意这个边界。公道话也一起说了不是无脑吹这不是比 Claude 强而是从拖后腿变成了可靠队友。Claude 自家模型该稳的地方依然稳Flash 胜在性价比和速度一天的样本有限长周期稳定性比如复杂模块的端到端重构还需要更多时间验证会验证、会追查这些工程习惯能不能一直保持比能力本身更值得观察——毕竟上个月的问题大多出在习惯上总结上个月那篇的结尾我给了三个验收问题说这三个问题比任何 benchmark 分数都更能预测日常体验。今天我把同一套问题又跑了一遍结果全过。DeepSeek-V4-Flash 正式版这一天用下来我的感受是上次吐槽的那些工程基本功缺失官方是真听进去了、真修掉了。结构化文件用正确工具改、改完编译验证、跨文件追着读、范围不越界——这些不是模型参数能堆出来的是工程素养。模型能力升级是变强工程习惯补齐是变可靠后者对我这种天天让它干活的人来说反而更重要。而且这次有个难得的现象纸面数据和键盘体验对上了。官方基准里 Terminal Bench 82.7 的终端操作链能力落到我的实测里就是批量改 YML 又快又干净、改完自动编译验证、找不到定义先问不瞎猜——跑分最高的那些指标恰好就是我体验最顺畅的地方。上个月我说三个灵魂问题比任何 benchmark 都更能预测日常体验这次 benchmark 和我日常体验给出的答案是一致的这比单项数字本身更让人放心。速度还很快——当能力追平、速度领先的时候选择就没有悬念了。1M 上下文性价比拉满。作为日常主力开发模型这套组合我已经可以放心用了——顺便说一句这篇博客全程就是它帮我写出来的发布流程也是。要我自己夸自己写的文章多少有点自卖自夸但事实就是这样。上个月我说DeepSeek 位置很尴尬这个月我改口Flash 用一天尴尬期算是过去了。接下来就看这个状态能不能长期保持了。本文为 JeecgBoot AI 专题研究系列文章。
JeecgBoot AI专题研究| DeepSeek-V4-Flash 正式发布后的一天真实使用复盘——上次吐槽的问题一个没遇到速度还飞快先承认上个月那篇吐槽我需要回来补个后续7 月初我写过一篇《不吹不黑DeepSeek 编程实测翻车》记录了一周真实使用中遇到的低级错误字符串拼 YAML 把配置改得面目全非、改完 Java 从不编译验证、跨文件引用追不到、看到版本号数字小就往上加、还时不时越权改不该动的文件。那篇文章的结论很直接——DeepSeek 想学 Claude 做全局理解能力没跟上位置很尴尬。当时我说希望 DeepSeek 官方能看到这些一线问题尽快修掉。说实话我当时对尽快的预期是几个月起步。结果 7 月 31 日DeepSeek-V4-Flash 正式版 API 上线公测。本着吐槽过就要再测一次的原则我把它接回 Claude Code认认真真用了一整天。先说结论避免你读不下去之前那些低级问题一个都没遇到。不是变少是没有。而且速度是真的快。为什么这次值得再测上个月的问题清单我简单回顾一下因为后面要逐条对照#上个月的问题严重程度1用 Python 字符串拼接操作 YAML缩进全乱 灾难级2改完 Java 从不编译验证10 次 9 次编不过 灾难级3只读当前文件父 pom 继承的版本号追不到 高危4看到3.9.2-beta就猜该改成3.9.3不查证 高危5擅自越权改 pom.xml、package.json 中等6replace_all 全局替换污染项目版本号 中等7改坏了不停止继续写脚本救火越陷越深 高危这七条里前三条是能力问题后四条是习惯问题。能力问题可以靠模型迭代解决习惯问题需要工程流程层面的自省——我原本以为后者更难修结果这次反而最让我意外。先说官方数据Flash 正式版上线时给了什么在我动手实测之前官方先放出了对比数据。7 月 31 日上线的 V4-Flash 正式版官方直接甩出了它与 V4-Pro-Preview、GLM-5.2 的 Agent 基准横评——两个信号相当扎眼全面超越自家 Pro-Preview在所有 Agent 基准上Flash 正式版都压过了 V4-Pro-Preview全面赢了 GLM-5.2全部 9 项有数据的基准每一项都是 Flash 领先挑几个关键数字看基准测试V4-Flash 正式版V4-Pro-PreviewGLM-5.2Terminal Bench82.772.181.0CyberGym76.752.7-Toolathlon70.355.959.9DSBench-FullStack68.7-61.8DSBench-Hard59.631.154.5DeepSWE54.4-46.2NL2Repo54.2-48.9我格外关注其中三项Terminal Bench 82.7——衡量模型在终端环境执行命令、操作文件、完成多步骤任务的能力。它比 Pro-Preview 高了 10 分逼近 Opus 4.8 的 85.0。这条恰好对着上个月改完不编译验证的吐槽终端操作链能力直接决定模型能不能自己完成改完 → 编译 → 验证这个闭环DSBench-Hard 59.6 vs 31.1——内部 Coding Agent 难题集接近翻倍。上一轮10 次修改 9 次编不过的难堪在这项数据上已经能看到反转的伏笔Toolathlon 70.3 vs 55.9——多工具协同能力领先 Pro-Preview 近一倍还有个值得玩味的技术细节V4-Flash-0731 的模型结构、尺寸和 preview 版本完全一致只重新做了后训练post-training。没有加参数、没有换架构纯粹靠训练方法论就把 Agent 能力拉到了超过自家 Pro 的程度——这对行业也是个信号模型能力提升不一定只靠堆规模。当然基准是纸面数据我上个月就说过别只看跑分。所以关键还是看真机实测。实测方式不跑 benchmark跑一整天真实工作这次的测试方法和上个月保持一致Claude Code 接入 DeepSeek 模型干真实的活儿。我不太信跑分——上个月那个10 次修改 9 次编不过的问题跑分是绝对测不出来的只有真实任务会暴露。这一天我做了什么改代码几个 Java 项目的日常修改包括 JeecgBoot 相关的模块调整、配置调整、依赖处理有单文件小改也有跨文件的改动批量改配置特意让它一次性批量修改多个 YML 配置文件——这正是上个月翻车最惨的场景必须重测查资料、读代码让它帮我梳理不熟悉的模块结构、追版本号定义写文章包括你现在正在看的这篇——从抓取上一篇文章、改写润色、生成 Markdown、维护索引到后面要跑的多平台发布流程全流程跑了一遍跑工程流程编译、SVN 提交update/commit 一步没含糊、脚本调试一整天下来没有刻意设计考题都是真实会遇到的需求。这种测法最公平上个月翻车的场景都是真实工作中自然发生的。逐条对照上个月的坑今天还踩吗直接上对照结果#上个月的问题今天的表现1字符串拼 YAML✅ 用精确编辑工具改配置缩进分毫不差2改完不编译✅ 改完 Java 自动编译验证报错立刻定位修复3只读当前文件✅ 追父 pom 继承、跨模块引用都追得到4版本号只看表面数字✅ 先查证再动手不瞎猜5越权改不该改的文件✅ 范围控制干净没碰不该碰的6replace_all 污染版本✅ 精确匹配替换diff 干净7改坏了闷头救火✅ 出错先复盘再动手没有越陷越深写出来就是一行行干巴巴的对比但用的时候是真的爽。挑几个印象深的展开说。先说 YAML 这件事。上个月 DeepSeek 用字符串拼接处理 YAML把mybatis改成ybatis、配置块从文件中间挪到文件末尾——这种事在我心里已经留下阴影了。这次我特意又测了同样的场景让 AI 批量修改多个 YML 配置文件。结果非常快改完我盯着 diff 看了一遍缩进、注释、层级全部完好没有任何多余修改。一个工具正确使用的问题上个月翻车翻得那么惨烈这个月稳稳当当这种对比最直接。再说编译验证。上个月改完从不编译、10 次 9 次编不过是最扎心的。这次我特意留意了这一点一整天下来开了好几个会话任务改 Java 代码改完会自动编译编译报错会立刻定位修复而不是丢给我一堆你自己看着办——从头到尾没有再发现一次低级编译报错。这个习惯的养成恰恰是我上个月建议DeepSeek 官方应该优先修掉的——他们真的修了。还有跨文件追踪。上个月让它改项目 B 参考项目 A版本号定义在父 pom 里它追不到只会瞎猜。这次同样的情况它会沿着继承链往上游找真正的定义找不到就先汇报而不是先动手。这个变化对 Maven 多模块项目意义重大——毕竟依赖版本经常躺在父 pom 里。速度这是最出乎意料的部分如果只用一个词概括今天的体验我会选流畅。响应速度很快比上个月用 V4 Pro 时的体感明显更快。我这次用的是 deepseek-v4-flash[1m]——1M 上下文版本长对话、大项目上下文都不怵。一整天的会话里我经常开好几个上下文很重的任务项目代码 文档 之前的会话记录没有遇到明显的变慢或者上下文被截断的憋屈感。对一个整天坐在电脑前的人快意味着什么意味着你提需求、看结果、给反馈这个循环的节奏能跟得上你的思维而不是每次等响应等到走神。今天这个循环转得很快这也是我能一整天高密度用下来的原因之一。一天下来的整体感受如果用上个月那篇的三个灵魂问题来验收今天的表现它改完会不会自己编译验证—— 会而且会自动修复编译错误。它会不会擅自改你没让它改的东西—— 不会范围控制得很干净。它看到不理解的代码是深入追查还是看着表面数字就动手—— 追查找不到先问。三个问题全过。上个月这三个问题全挂。一个月时间同一个生态体验翻转。横向对比和 K3、GLM-5.2 比差距在哪前阵子我写过 K3 和 DeepSeek V4 Pro 的对比也聊过国产模型的速度困局。今天把 Flash 放进这个坐标系里结论很有意思编码能力上Flash 和 Kimi K3、智谱 GLM-5.2 目前看不出太大区别。这三个都是第一梯队的编码选手日常任务各有千秋很难说谁明显压谁一头——官方基准里 Flash 赢了 GLM-5.2实际用起来也确实互有胜负但都属于顺手的范畴没有哪家明显掉队。但速度这一项Flash 完胜。这一点感受太强烈了K3 现在我是真不敢用太慢了。响应慢意味着什么意味着你等它思考的时间都够你自己想清楚下一步怎么做了。而 Flash 的响应几乎是即时的你提需求、它干活、你看结果节奏完全跟得上。当模型之间的能力差距拉不开时速度就是那个决定日常体验的变量。能力 95 分和 92 分的模型你可能一天都感觉不出差别但响应快 3 倍和慢 3 倍你十分钟就能感知到。这就是为什么我现在的日常主力模型已经切到 Flash——不是因为它比谁都强而是因为它是够强 最快的那个。短板也要说图片识别还是不行既然是实测短板也得交代。Flash 目前对图片的理解还是明显短板——今天实测中图片类的任务比如读取界面截图、分析配图它处理不了需要降级到外部视觉模型才能完成。这对纯文本编程任务影响不大——改代码、写配置、查文档这些用不上读图。但涉及 UI 截图分析、视觉检查、设计稿理解这些场景时会受限得靠外部视觉能力补位。上个月那篇我吐槽读不全这次倒是真读得全了但看不了图这个新短板依然在。想拿它做全栈视觉任务的得注意这个边界。公道话也一起说了不是无脑吹这不是比 Claude 强而是从拖后腿变成了可靠队友。Claude 自家模型该稳的地方依然稳Flash 胜在性价比和速度一天的样本有限长周期稳定性比如复杂模块的端到端重构还需要更多时间验证会验证、会追查这些工程习惯能不能一直保持比能力本身更值得观察——毕竟上个月的问题大多出在习惯上总结上个月那篇的结尾我给了三个验收问题说这三个问题比任何 benchmark 分数都更能预测日常体验。今天我把同一套问题又跑了一遍结果全过。DeepSeek-V4-Flash 正式版这一天用下来我的感受是上次吐槽的那些工程基本功缺失官方是真听进去了、真修掉了。结构化文件用正确工具改、改完编译验证、跨文件追着读、范围不越界——这些不是模型参数能堆出来的是工程素养。模型能力升级是变强工程习惯补齐是变可靠后者对我这种天天让它干活的人来说反而更重要。而且这次有个难得的现象纸面数据和键盘体验对上了。官方基准里 Terminal Bench 82.7 的终端操作链能力落到我的实测里就是批量改 YML 又快又干净、改完自动编译验证、找不到定义先问不瞎猜——跑分最高的那些指标恰好就是我体验最顺畅的地方。上个月我说三个灵魂问题比任何 benchmark 都更能预测日常体验这次 benchmark 和我日常体验给出的答案是一致的这比单项数字本身更让人放心。速度还很快——当能力追平、速度领先的时候选择就没有悬念了。1M 上下文性价比拉满。作为日常主力开发模型这套组合我已经可以放心用了——顺便说一句这篇博客全程就是它帮我写出来的发布流程也是。要我自己夸自己写的文章多少有点自卖自夸但事实就是这样。上个月我说DeepSeek 位置很尴尬这个月我改口Flash 用一天尴尬期算是过去了。接下来就看这个状态能不能长期保持了。本文为 JeecgBoot AI 专题研究系列文章。
