V4 Pro 0813 深度评测

导读

四件事逐一验证

V4 Pro 0813 拉了吗？

拉了

推力 Max 不如 High？

确实

甚至打不过 Flash？

是的

+Deep Harness 更好？

有效果

前端编程实测

代码能力明显落后

V4 Pro / V4 Flash 均未达旗舰水准

复杂任务「光柱引擎」无法完成，格4.6 修了三次代码才勉强运行
完全不会写 WebGL，连语法都写错
性能优化经验少：近 61 万次着色器运算，浏览器直接卡死
物理模拟理解不到位：大象牙膏测试中 Flash 泡沫粒子滑落，Pro 直接穿摩

复杂前端任务：两模型均翻车

Deep Harness

高光与代价

✓ 效果提升显著

High 强度下效果确实优于 Max，不穿摩了。泡沫粒子不再是球体，而是增加顶点，通过 M 实时扰动，形状像空气中的液体——这是其他旗舰模型都没实现的。

⚠ 代价也很高

大象牙膏测试一个网页耗时 20 多分钟，消耗 200 万 Token。

模型本身的缺陷不会被修复：火山喷发测试仍看不到岩浆粒子——WebGL 代码写不好，Harness 再猛也改变不了本质。

Agent 能力 · 外卖骑手模拟

接单策略见高下

不同订单距离与配送费不同，考验智能体决策

🥇 GM 5.2 国产最强

🥈 V4 Flash 亚军

🥉 V4 Pro 季军

Flash 聪明：接单前疯狂规划路线，专挑高配送费单，路径计算次数是 Pro 的 16倍。

Pro 拉垮：像个新手，全部单疯狂抢，多接了 4 单却因超时被扣 81 元。

想做 Agent？选物美价廉的 V4 Flash，V4 Pro 被自家小弟精准斩杀。

后端 · 向量数据库实测

停止判断系统彻底混乱

给 50 轮优化机会，Pro 常在 43 轮左右突然停下，报告「已完成」
评分仅 2771，甚至没打过 V4 Flash
12 轮复测：只有 2 次正常结束，其他时候像无头苍蝇
代码刚能跑就提前下班，该停不停、该走不走

更离谱的：提示词中喂饭要求用 Hash 算法实现，跑出 7283 QPS 的绝佳表现。

另一次测试中自己抛超时异常，不修 bug 直接摆烂，退化成最原始暴力搜索算法，QPS 从 7280 暴跌至 36。

这种遭遇挫折就极度保守退化的机制，在长任务中是一场灾难。

关键数据

一图看全

2亿

总测试 Token

200万

DH 单次消耗

20+分

单页运行时间

61万

着色器运算次数

16倍

Flash 路径计算量

81元

Pro 超时扣费

43/50

误停轮次

2771

DB 测试评分

7283→36

QPS 暴跌

最终结论

四个问题 · 全部有答案

V4 Pro 0813 拉了吗？是

Max 强度不如 High？是

打不过 Flash？是

+Deep Harness 更好？ 是，但不是代码能力补强

Deep Harness 框架确实好，但一个简单任务需要极高的时间与 Token 成本，更补不了模型目前的智力硬伤。

Agent 策略短视、长任务不稳定、遇到报错极度退化——V4 Pro 目前不适合投入生产。

行动建议

开发者怎么选

普通任务 → 直接用 V4 Flash 复杂任务 → V4 Flash + Deep Harness 便宜 · 聪明 · 情绪稳定

V4 Pro 0813深度评测

V4 Pro 0813
深度评测