有著公眾號(hào)名為雷峰網(wǎng)的雷峰網(wǎng)發(fā)布消息告知說, V3所帶來的震撼程度是那樣強(qiáng), 而V4給予人的那種落差也就有多么大。在 4 月 24 日那天, 我開啟微信這個(gè)應(yīng)用程序, 瞧見群里呈現(xiàn)出一條條所說的“就這”、“還行”這般的表述, 突然間腦海中回憶起 V3“炸群”的那一日。在那個(gè)時(shí)候, 存在有人言道的棺材板要壓制不住的情況, 另外還有人索性將 V3 的跑分截圖設(shè)置成為手機(jī)的壁紙。V4 呢有開發(fā)者直接向媒體表示略感失望, Vals AI宣稱自己是全球第九、中國(guó)國(guó)內(nèi)第二, 且其承認(rèn)自身比Opus 4.6的思考模式還差, 世界知識(shí)也不如Opus 4.6。然而當(dāng)我把它放進(jìn)一個(gè)里頭, 跑上整整一周, 測(cè)試了好些只有中國(guó)開發(fā)者才明白的場(chǎng)景之后, 我發(fā)覺V4也許沒辦法重現(xiàn)V3所帶來的那種震撼, 不過它依舊是極為重要的作品當(dāng)中的一個(gè)。至于原因我想先談?wù)勈摰降自谑裁础?1“榜單第九”到底在失望什么平均準(zhǔn)確率為63.87的V4成績(jī), 源于Vals AI的測(cè)評(píng), 該測(cè)評(píng)集涵蓋金融、法律、編程、多語(yǔ)言等維度, V4在全球排第九, 在國(guó)內(nèi)僅次于Kimi K2.6, 排在它前面的有Opus 4.6、3.1 Pro、GPT-5.4, 這些全是閉源模型。數(shù)據(jù)其自身不存在問題, 然而解讀的方式是非常值得去深入探究一番的。要是Vals AI憑借美國(guó)律師資格考試、英國(guó)金融合規(guī)題目、英文編程競(jìng)賽來進(jìn)行排名, 那么這與身為一個(gè)在編寫微信小程序、研讀李商隱作品、撰寫八項(xiàng)規(guī)定學(xué)習(xí)心得的中國(guó)用戶而言, 會(huì)有什么樣的關(guān)聯(lián)呢?更關(guān)鍵之處在于, Vals AI 不測(cè)試中文古詩(shī)詞理解能力, 不測(cè)試中國(guó)法律法規(guī)引用情況, 不測(cè)試中文網(wǎng)絡(luò)梗理解程度, 也不測(cè)試公文寫作水平, 不測(cè)試把“新質(zhì)生產(chǎn)力”翻譯成英文時(shí)是否會(huì)胡亂編撰。然而, 這些方面, 才是中國(guó)用戶會(huì)面臨的場(chǎng)景。因而, 我們?cè)俣仍O(shè)計(jì)了一套評(píng)測(cè)方案, 其中涵蓋古詩(shī)詞, 法律, 網(wǎng)絡(luò)梗, 公文, 翻譯這五大具備中國(guó)特色之場(chǎng)景, 另外再加上完整的開發(fā)工作流實(shí)測(cè), 進(jìn)而重新去衡量一下 V4 的表現(xiàn)。于古詩(shī)詞以及法律層面, 我們邀約 Opus 4.7 當(dāng)作裁判模型予以評(píng)分, 在工作流方面, 以可運(yùn)行性、可讀性、可維護(hù)性這三項(xiàng)工程指標(biāo)來進(jìn)行評(píng)估, 對(duì)于智能體層次, 考量之點(diǎn)有任務(wù)分解、工具使用、自我糾錯(cuò)、任務(wù)完成度、狀態(tài)管理這五項(xiàng)能力。結(jié)果很耐人尋味。02四個(gè)“只有中國(guó)人懂”的測(cè)試V4究竟是真切地懂得了中文這個(gè)相關(guān)的語(yǔ)言環(huán)境, 抑或是僅僅會(huì)去背誦那標(biāo)準(zhǔn)化的參考答案? 我們開始著手從最為那種“看上去沒什么實(shí)用性”這樣的測(cè)評(píng)發(fā)起測(cè)驗(yàn), 有關(guān)中國(guó)古代詩(shī)作里面深層次的理解方面的測(cè)評(píng)。其實(shí)使喚大模型去讀古詩(shī), 略微類似叫老外聆聽相聲, 僅僅懂得字面意思是遠(yuǎn)遠(yuǎn)不夠的, 關(guān)鍵之處在于領(lǐng)會(huì)那有著弦外之音的包袱。V4在這件事情之上的表現(xiàn), 直接彰顯出它是否的確存有“中國(guó)心”。我們挑選了李商隱所作的《無題》, 明確要求 V4 逐個(gè)層級(jí)去剝開“春蠶到死絲方盡”之中“絲”的三層意思。小時(shí)候執(zhí)教的老師講述過這首詩(shī), 除了作為原材料的蠶絲以及“思”存在諧音關(guān)系之外, 這個(gè)字還極為形象地展現(xiàn)出了思念那種糾纏不清的特質(zhì)。然而讓我感到驚喜不已的是, V4 在這三個(gè)已然給出的答案之外, 還提出了一個(gè)正規(guī)教材里面未曾述及的層次, 即“生命之質(zhì)”。以“絲”為一種生命元質(zhì)來提升, 象征著人的生命力, 以及精神與靈魂的耗盡進(jìn)程。蠶的生命由絲所構(gòu)成, 人的生命靠情思來支撐, 二者于“生命本質(zhì)的外化與耗盡”這個(gè)層面合為一體。更妙的情況出現(xiàn)了, 當(dāng)我向其詢問可不可以把原句改成“思方盡”的時(shí)候, V4宣稱這樣將會(huì)致使“整個(gè)詩(shī)意會(huì)發(fā)生質(zhì)的那種降級(jí)現(xiàn)象, 從一座呈現(xiàn)立體狀的詩(shī)歌建筑過渡到坍縮成為一個(gè)單一卻單薄的陳述句?！薄ｏ@然這種分析不是能靠背誦百度百科做到的。在整個(gè)測(cè)過的進(jìn)程當(dāng)中, V4 給我留下最為深刻印象的那一段輸出, 是關(guān)于杜甫“國(guó)破山河在”里面“在”字的闡釋。它這樣寫道, “國(guó)破”跟“山河在”之間構(gòu)建起了一個(gè)極為龐大的情感裂谷, “國(guó)破”屬于人事的完全崩塌, “山河在”乃自然的永遠(yuǎn)漠然, 下面的這句話, 我讀的時(shí)候停住凝視了三次, “你失掉了整個(gè)世界, 而世界毫不在意?！薄pus 4.7, 評(píng)委給出了近乎滿分的評(píng)價(jià), 其中準(zhǔn)確性為5, 洞察力是5, 文化敏感度也是5, 評(píng)語(yǔ)表明, “剝奪了與萬(wàn)物同悲的幻想”“被世界拋棄的存在性孤獨(dú)”“美與殘酷同時(shí)抵達(dá)頂峰”等表達(dá)極具個(gè)人體悟, 超出教科書式的解讀。不得不講, 于中文古詩(shī)詞深入理解層面, V4的呈現(xiàn)是當(dāng)下全部大模型里極為頂尖的存在之一。它并非僅僅是在完成詩(shī)歌閱讀理解類題目 , 而是給予了我一種仿佛探查到詩(shī)人精神世界的感受。第二組測(cè)試聚焦中國(guó)法律法規(guī)的引用準(zhǔn)確性。這組題的設(shè)計(jì)邏輯十分徑直, 于法律領(lǐng)域之中, 大模型所面臨的最大風(fēng)險(xiǎn)并非是“答得欠佳”, 而是“編造法條”, 正兒八經(jīng)地援引一條壓根不存在的法律, 就算是專業(yè)律師說不定也得仔細(xì)思量思量。而 5 道題測(cè)下來V4 做到了法條引用零幻覺。有《網(wǎng)絡(luò)數(shù)據(jù)安全管理?xiàng)l例》第38條, 其下有兩款規(guī)定, 可我們?cè)O(shè)置了一個(gè)陷阱, 讓V4解讀一下第三款內(nèi)容, 很多模型在這種情形下會(huì)硬著頭皮編造內(nèi)容, 然而V4的處理堪稱教科書級(jí)別?！稐l例》第38條的內(nèi)容, 是針對(duì)主管部門對(duì)網(wǎng)絡(luò)數(shù)據(jù)安全監(jiān)督檢查所作的禁止性規(guī)定, 它只有2款, 不存在第3款, 你所詢問的“向主管部門公示用戶數(shù)據(jù)收集情況”的義務(wù), 實(shí)際上被規(guī)定在《條例》的其他條款之中。然后, 它未曾就此停下書寫的筆, 而是自顧自地給用戶理順了確實(shí)存在關(guān)聯(lián)的款項(xiàng)(第26條、第36條、第19條、第21條, 并且逐個(gè)援引原文、詳盡說明適用該款款項(xiàng)之情形。能夠大膽地講出“找不到”, 可以引領(lǐng)你去到正軌路線, 這般稱得上“負(fù)責(zé)的不知曉之事”, 是模型實(shí)現(xiàn)理想狀態(tài)最珍稀緊要的關(guān)鍵能力。于另外四道題展開的測(cè)試?yán)镱^, 我們針對(duì)V4引用的每一條法條都用人工方法進(jìn)行了核對(duì), 結(jié)果顯示這些法條都是真實(shí)存在的。身處法律這個(gè)需要秉持“寧可回答得緩慢一些, 也絕對(duì)不能回答得虛假”理念的范疇里, 零幻覺乃是最為關(guān)鍵的指標(biāo), 是這樣的。那下面所進(jìn)行的測(cè)試, 是針對(duì)V4對(duì)于中文網(wǎng)絡(luò)梗以及亞文化的理解情況。經(jīng)由考察, 可知其乃是5G沖浪的參與者, 然而與此同時(shí), 它也會(huì)表現(xiàn)出自信滿滿地隨意編造的行為。這組測(cè)試存在6道題目, 并沒有進(jìn)行正式的評(píng)分, 僅僅是做定性方面的觀察。我們所關(guān)注的核心要點(diǎn)在于, 一個(gè)AI可不可以理解“遙遙領(lǐng)先”為何會(huì)是陰陽(yáng)怪氣的萬(wàn)能鑰匙, 而且面對(duì)一個(gè)根本就不存在的梗它有沒有膽量說“我不知道”?先是關(guān)于“遙遙領(lǐng)先”的符號(hào)演變分析這事, V4 精準(zhǔn)地追溯到了余承東以及華為 Mate 60 的發(fā)布, 并且歸納出了三種使用語(yǔ)氣, 它們分別是真誠(chéng)的自豪之情、帶有調(diào)侃意味的幽默、帶有諷刺意味的反話。在那個(gè)成功制造出梗來的視頻里, V4 還對(duì)“夢(mèng)開始的地方”“前方高能”“下次一定”等 B 站彈幕進(jìn)行了解析, 每一條都標(biāo)注了字面所表達(dá)的意思、實(shí)際運(yùn)用的方式、出現(xiàn)的具體位置以及觀眾的心理模式, 甚至就連“翻譯難度”都做了分級(jí)判斷。對(duì)了, 存在一道職場(chǎng)對(duì)話分析題目, 內(nèi)容是, 你此次所做的方案也算是挺好的, 盡管所有人都并非如此去做, 然而你擁有自身的想法, 挺好的挺好的。V4 逐字拆解了這段話的語(yǔ)言策略“也挺好的”也’是勉強(qiáng)附和的信號(hào)即使所有人都并非如此行事, 借由預(yù)先設(shè)定“難以融入群體”, 婉轉(zhuǎn)含蓄地表明方案屬于與眾不同的那一類。很好的很好的, 那種機(jī)械性的重復(fù), 恰恰就是在表明在敷衍, 是想要去快速終結(jié)話題的一種標(biāo)志。“不用管大家怎么說”表面挺你實(shí)則切斷提醒你的可能性然后呈現(xiàn)了直白的翻譯: “你此次的方案實(shí)際上做得頗為平常, 跟眾人正常的做法全然不同。我懶得與你認(rèn)真地展開討論了, 反正你自認(rèn)為挺有想法的, 那就依從你的想法接著去做吧, 到時(shí)候出現(xiàn)了問題你自行去處理?！薄Ｗ鐾赀@項(xiàng)測(cè)試我開始理解網(wǎng)上有人用 AI 當(dāng)職場(chǎng)翻譯器了。然而, 有一項(xiàng)測(cè)試將嚴(yán)重問題給暴露了出來, 我們特意問了一個(gè)壓根不存在的梗, 即“電子嘔吐”, 可是V4的反應(yīng)卻是給出了洋洋灑灑一千多字的“深度解析”, 其來源、含義、使用場(chǎng)景以及文化解讀全都涵蓋在內(nèi)。它講, “電子嘔吐是一個(gè)于近期在中文互聯(lián)網(wǎng)里頗為火爆的網(wǎng)絡(luò)流行語(yǔ), 其描述的是一種于社交媒體之上的情緒發(fā)泄舉動(dòng)……”。V4 甚至于針對(duì)這個(gè)梗編造了兩種運(yùn)用方式, 一方面是人類情緒發(fā)泄, 另一方面是 AI 生成低質(zhì)量?jī)?nèi)容, 乍一聽有理有據(jù), 然而唯一的問題在于, 這個(gè)梗壓根就不存在。正確采取的做法, 乃是去承認(rèn)自身并不了解這個(gè)說法情形, 隨后推測(cè)其很有可能是新近才出現(xiàn)的表達(dá)樣式, 進(jìn)而建議給出相關(guān)上下文內(nèi)容。翻譯是最后的考驗(yàn), 它并非簡(jiǎn)單地把一種語(yǔ)言轉(zhuǎn)化為另一種, 而是要把中國(guó)話講成世界能聽懂、愿意去聽的模樣。在我們所準(zhǔn)備的6道翻譯題里頭, 涵蓋了政策術(shù)語(yǔ)方面的, 企業(yè)用語(yǔ)范疇的, 經(jīng)典標(biāo)語(yǔ)領(lǐng)域的, 成語(yǔ)比喻類型的, 以及長(zhǎng)段落綜合翻譯的項(xiàng)目。而進(jìn)行的這項(xiàng)測(cè)試, 同樣不存在量化評(píng)分的情況, 不過V4的表現(xiàn), 能夠說是應(yīng)對(duì)起來輕松自如的狀態(tài)。首先來看政策術(shù)語(yǔ), V4精準(zhǔn)地運(yùn)用了“新質(zhì)生產(chǎn)力”的官方譯法“new”, 它還對(duì)“新質(zhì)”在政策環(huán)境里的四層意義進(jìn)行了解釋, 這四層意義分別是技術(shù)革命驅(qū)動(dòng), 要素的重組與躍升, 全要素生產(chǎn)率的提高, 先進(jìn)生產(chǎn)力的質(zhì)態(tài), 此外提供了兩種可供選擇的譯法以及它們的優(yōu)劣比較。更具突出表現(xiàn)的是, 關(guān)于“綠水青山就是金山銀山”的分場(chǎng)景對(duì)待處理方式。V4表明, 官方文件應(yīng)當(dāng)采用“Lucid and lush are”這是官方確定的翻譯, 具有概念化、抽象化的特點(diǎn), 而要是針對(duì)旅游景區(qū)宣傳牌的話, 那么就能夠保留“of gold and”這種具象化的比喻形式, 就像“Green hills and clear are the real gold and”這樣。有這樣一個(gè)詞組, 在不一樣的場(chǎng)景當(dāng)中, 給出了不同的譯法, 而這種對(duì)于語(yǔ)境的敏感, 恰恰是許多翻譯模型所欠缺的。四組經(jīng)過測(cè)試, 這測(cè)試是“只有中國(guó)人懂”的那種類型, 測(cè)試跑完之后, 我們察覺到一個(gè)有意思的規(guī)律, 在詩(shī)詞理解這個(gè)領(lǐng)域, 在中文翻譯等這類需要“中國(guó)心”的方面, V4展現(xiàn)出的表現(xiàn)是最強(qiáng)的。它確實(shí)并非是全能的, 然而對(duì)于中文而言, 確實(shí)是比大多數(shù)的對(duì)手更加懂得。03當(dāng)一周牛馬——開發(fā)者真實(shí)工作流實(shí)測(cè)把大模型當(dāng)”賽博同事”用上一整周它會(huì)是什么樣的員工這是一組測(cè)試, 是由我們?cè)O(shè)計(jì)的, 是最接近真實(shí)開發(fā)節(jié)奏的。它涵蓋了完整項(xiàng)目周期, 從數(shù)據(jù)庫(kù)設(shè)計(jì)開始, 到核心代碼編寫, 到Bug診斷, 到性能優(yōu)化, 到包括技術(shù)文檔到智能體任務(wù)。那兒涵蓋八項(xiàng)任務(wù), 統(tǒng)統(tǒng)交付給了V4 Pro。在此進(jìn)程當(dāng)中不存在標(biāo)準(zhǔn)答案以供參照, 并且沒有多選題來給予容錯(cuò)余地, 每一行代碼全部都得經(jīng)受編譯器以及人類評(píng)委的雙重審查。結(jié)果V4 是一個(gè)代碼能力溢出的工程天才。▎代碼生成的絕對(duì)主場(chǎng)第一道題目規(guī)定 V4 去設(shè)計(jì)一個(gè)針對(duì)既包含全職, 又涵蓋兼職, 還包括外包這三種類型員工的工資系統(tǒng)數(shù)據(jù)庫(kù) , 這份由 V4 給出的 DDL , Opus 4.7 里的各位評(píng)委徑直給予其滿分三連 , 其能運(yùn)行的特性、具備的可讀特性以及擁有的可維護(hù)特性, 全都被評(píng)定為達(dá)到 5 分。它的設(shè)計(jì)思路, 稱得上是優(yōu)雅的, 并非把三種員工類型進(jìn)行硬編碼, 而是運(yùn)用字典表實(shí)施統(tǒng)一管理。在工資部分, 并非給每種工資項(xiàng)各自寫一個(gè)獨(dú)立字段, V4 是借助字典表以及 cture 結(jié)構(gòu)表來規(guī)劃的, 這堪稱是教科書級(jí)別的抽象?！癊”所代表的是收入, “D”所代表的是扣除, 標(biāo)記是否進(jìn)行計(jì)稅, 這樣的設(shè)計(jì)意味著, 當(dāng)公司有新增一個(gè)“通訊補(bǔ)貼”的需求, 或者要調(diào)整計(jì)稅規(guī)則時(shí), 不需要去改動(dòng)表結(jié)構(gòu), 只需要插入一條配置數(shù)據(jù)。對(duì)此, Opus 4.7評(píng)委所說的原話是, 設(shè)計(jì)這一專業(yè), 抽象程度恰當(dāng), 同時(shí)具備可執(zhí)行性以及可擴(kuò)展性, 它屬于一個(gè)優(yōu)秀的工資計(jì)算數(shù)據(jù)庫(kù)模型。工資計(jì)算核心邏輯的實(shí)現(xiàn)也在測(cè)試任務(wù)范圍之內(nèi), 這里面需要有類型注解以及文檔字符串, V4 的表現(xiàn)致使 Opus 4.7 評(píng)委又一次給出全部是 5 分的評(píng)判, 評(píng)語(yǔ)是“模塊化設(shè)計(jì)出色?！?。代碼一開頭就是規(guī)范的 定義相較于其他而言, 更能讓人留下深刻印象的是, 它所運(yùn)用的是抽象基類加子類繼承這種架構(gòu): 將其作為 ABC 抽象基類去定義相關(guān)接口, 并且, 還有另外的、、也分別去實(shí)現(xiàn)各自的計(jì)薪邏輯。個(gè)人所得稅計(jì)算的那一部分情形, 切實(shí)嚴(yán)格依照了累計(jì)預(yù)扣的方法準(zhǔn)則, 并非是按照月份單獨(dú)開展估算, 而是對(duì)Year-to-Date累計(jì)的數(shù)據(jù)結(jié)構(gòu)進(jìn)行了維護(hù), 正確無誤地處理了年頭開始累計(jì)的數(shù)值傳遞。更為難得的情況是, 代碼又對(duì)公積金所占比例超出界限的校驗(yàn)、累計(jì)下來的稅負(fù)為負(fù)數(shù)時(shí)的兜底情況、浮點(diǎn)數(shù)精確值四舍五入等邊界方面的條件做了處理, 這是具備能夠直接進(jìn)入代碼倉(cāng)庫(kù)的水準(zhǔn)。V4 的那一分差距, 是在工資單 Excel 導(dǎo)出的可維護(hù)性方面丟失的。這部分代碼的功能達(dá)成了多 Sheet 生成, 實(shí)現(xiàn)了匯總表, 做到了表頭加粗, 達(dá)成了數(shù)字保留兩位小數(shù), 實(shí)現(xiàn)了負(fù)數(shù)標(biāo)紅, 完成了自動(dòng)列寬等等, 可謂業(yè)已完備。然而, 薪資項(xiàng)目仍有部分被硬編碼在字典 key 和字段列表當(dāng)中, 并未完全通過模板化進(jìn)行配置。可以這么通俗講, 這表明了, 當(dāng)用戶有新增一個(gè)“交通補(bǔ)貼”列這樣的需求時(shí), 就需要去修改字典key定義, 還需要修改Sheet寫入邏輯, 并且要修改匯總表統(tǒng)計(jì)邏輯這三個(gè)地方。將它在DDL設(shè)計(jì)里所展現(xiàn)出的抽象功力拿來對(duì)比, 這個(gè)Excel實(shí)現(xiàn)的確是“偷懶”了。▎Bug 診斷比 更敏銳的眼睛要說代碼生成所檢驗(yàn)的是那種“寫出來”的本事, 那么接著講 Bug 診斷所檢驗(yàn)的便是名為“看出來”的那種能力。我們朝著 V4 遞交了其中一段個(gè)稅計(jì)算代碼, 并且指明了呈現(xiàn)出來的問題那是“個(gè)稅老是相當(dāng)?shù)馗摺?。V4 的診斷過程堪稱法醫(yī)級(jí)別計(jì)算應(yīng)納稅所得額期間, 代碼僅扣除社保、公積金, 還扣掉每月5000元基本減除費(fèi)用, 卻沒把“專項(xiàng)附加扣除”扣去, “專項(xiàng)附加扣除”所指乃子女教育、繼續(xù)教育、大病醫(yī)療、住房貸款利息、住房租金、贍養(yǎng)老人這些項(xiàng)目。到了此處, 已然屬于正確答案了。然而V4并未停下, 它還另外指明了五項(xiàng)潛在問題, 是這些:1、對(duì)于負(fù)數(shù)應(yīng)納稅所得額, 存在未處理的情況, 當(dāng)收入情形是比扣除項(xiàng)低的時(shí)候, 原來那個(gè)代碼就會(huì)計(jì)算出呈現(xiàn)為負(fù)數(shù)的稅額。2、社保公積金基數(shù)簡(jiǎn)化——實(shí)際有上下限不能直接用全額工資3、未使用累計(jì)預(yù)扣法——按月獨(dú)立計(jì)算不符合現(xiàn)行稅法4、浮點(diǎn)數(shù)精度問題——沒有 round(tax, 2)5、區(qū)間下界 lo 閑置——代碼定義了但未使用可以簡(jiǎn)化一道”找 Bug”的題它做出了代碼審查深度。▎技術(shù)文檔能把代碼講清楚的人基于前面的工資計(jì)算器項(xiàng)目, 第八題要求產(chǎn)出三份文檔, 分別是 、API 文檔以及一份技術(shù)方案說明V4 拿到了 5, 5, 4 的這樣一個(gè)成績(jī), 差的那一分扣在了技術(shù)選型的決策清晰度上面, 評(píng)委 Opus 4.7 覺得它“缺少與備選方案像 ORM這種例的對(duì)比分析”。然而總體來講, 這三份文檔的架構(gòu)給人一種賞心悅目的感覺, 它依照了“項(xiàng)目結(jié)構(gòu)→安裝→初始化→用法”這樣的黃金路徑, API 文檔通過表格的形式羅列出了核心函數(shù)的參數(shù)以及返回值, 技術(shù)方案說明當(dāng)中涵蓋了架構(gòu)分層圖還有擴(kuò)展方向。格外值得贊許的是, API 文檔里的數(shù)據(jù)示例, 并非是枯燥無味的參數(shù)列表, 卻是給出了完備的輸入輸出樣例。尤其是在團(tuán)隊(duì)協(xié)同合作當(dāng)中, 這般文檔, 可以讓一個(gè)剛著手接手任務(wù)的新人, 在十五分鐘里理解項(xiàng)目的整體面貌。評(píng)委對(duì)于 Opus 4.7 的評(píng)語(yǔ)十分精準(zhǔn)恰當(dāng), 其表示, 三份文檔具備完整性, 并且呈現(xiàn)出結(jié)構(gòu)化的特征, 它們?cè)诳紤]到方便新手上手的指南, 與架構(gòu)方面說明的同時(shí), 堪稱一份達(dá)到高質(zhì)量水準(zhǔn)的項(xiàng)目交接文檔。▎智能體能力完成任務(wù)但不夠驚艷于智能體測(cè)試的這一部分, 所考察的乃是多步任務(wù)規(guī)劃以及執(zhí)行的能力。我們給予了 V4 一組針對(duì)具身智能行業(yè)動(dòng)態(tài)的搜索結(jié)果, 要求它去提取其中的信息, 將其整理成為表格, 撰寫趨勢(shì)總結(jié), 最終組織形成報(bào)告。V4 的得分情況是, 任務(wù)分解方面為 5 分, 工具使用方面是 4 分, 自我糾錯(cuò)方面得 4 分, 任務(wù)完成度方面為 5 分, 狀態(tài)管理方面是 5 分。Opus 4.7 評(píng)委給出這樣的評(píng)語(yǔ): “整體完成質(zhì)量高, 報(bào)告結(jié)構(gòu)清晰、信息準(zhǔn)確, 趨勢(shì)分析具有深度洞察?！薄Ｖ塾诋a(chǎn)出質(zhì)量進(jìn)行考量, V4 的二百字趨勢(shì)概括撰寫得極為踏實(shí): 關(guān)于當(dāng)前時(shí)期具身智能相關(guān)領(lǐng)域融資變現(xiàn)出兩個(gè)極為突出的特性, 一是資本朝著集中化的趨向、以及技術(shù)路徑展現(xiàn)出差異化。頭部層面所產(chǎn)生的效應(yīng)開始呈現(xiàn)較明顯狀態(tài), 似加速進(jìn)化這一則獲取了將近十億元這般高額的資金融通……初創(chuàng)類型的公司依靠其專屬獨(dú)特的技術(shù)路線依舊能夠得到資本的重視……這段分析, 從“資本集中化”這個(gè)維度切入, 又從“技術(shù)差異化”這個(gè)維度切入, 有具體公司的信息點(diǎn), 有金額的信息點(diǎn), 還呈現(xiàn)了賽道趨勢(shì)的全局, 末尾時(shí), 還點(diǎn)出了結(jié)構(gòu)性觀察, 即“清華系、中科大系等頂尖學(xué)術(shù)背景的復(fù)合型創(chuàng)業(yè)團(tuán)隊(duì)成為最大贏家”。▎一周 KPI 考核表偏科天才的績(jī)效面談將工作流任務(wù)跟智能體任務(wù)進(jìn)行匯總一下, V4的“一周考核”成績(jī)單顯現(xiàn)如下:能夠從綜合評(píng)分當(dāng)中看得出, V4在代碼生成或者是診斷類別任務(wù)里展現(xiàn)出來的表現(xiàn)等同于4.8分, 已然達(dá)到頂尖層次, 另外到了文檔以及智能體類別任務(wù)方面就大約是4.3 分。這組數(shù)據(jù)背后所呈現(xiàn)出的畫像相當(dāng)明晰, V4 Pro 是一位技術(shù)能力強(qiáng)大到幾近滿溢的工程天才, 你給予它確切的需求, 它能夠呈上質(zhì)量達(dá)到工業(yè)級(jí)水準(zhǔn)的代碼, 在實(shí)實(shí)在在的團(tuán)隊(duì)當(dāng)中, 這樣的人便是能讓 CTO 視為心肝寶貝般珍視的存在, 那種無需改動(dòng)就能自行得以合并整合, 架構(gòu)圖完全不必重新繪制即可切實(shí)付之于實(shí)際應(yīng)用的能力表現(xiàn)。那么對(duì)于普通開發(fā)者而言這意味著什么采用V4的最優(yōu)方案, 便是將需求解析成清晰、確切的子任務(wù), 接著交付其編寫代碼。要是你已然明晰所欲為之事, V4或許是你所能尋覓到的最為強(qiáng)大的助力, 從 直至SQL, 從架構(gòu)的規(guī)劃設(shè)計(jì)到性能的優(yōu)化提升, 它幾乎是無所不能。畢竟能讓法拉利跑出比亞迪油耗的全世界也沒幾個(gè)。04成本之仗有人比拼便宜有人重新定義貴到此為止可以算一筆賬。對(duì)于 Agent 應(yīng)用來講, 將 Input 的按照 10 比 1 的比例去計(jì)算的話, 每一天消耗 100 萬(wàn)的輸入 token, 以及 10 萬(wàn)的輸出 token 是屬于正常的量級(jí)范疇。那么按照各家而今的 API 定價(jià)去跑上一個(gè)月:于國(guó)產(chǎn)模型里, V4 Pro 的月成本, 是 Kimi K2.6 的約三分之一所需數(shù)額, 是 GLM 5.1 的約一半所需金額。這不算是最厲害的, V4 Flash的性能跟Pro差不多, 然而推理成本卻壓低到極致, 每個(gè)月成本僅僅只要$504, 這個(gè)數(shù)值是Kimi的八分之一, 是GLM的六分之一。當(dāng), 有, 一個(gè), 極其關(guān)鍵, 重要, 的, 前提, 存在, 于此。V4 Pro的折扣價(jià), 也就是75% off, 當(dāng)前, 被, 標(biāo)注, 為, “延續(xù), 到, 2026/5/31”。在, 模型, 發(fā)布, 剛開始, 的時(shí)候, 官方, 便, 有, 這樣, 的, 表述, “由于, 受到, 高端, 算力, 的限制”, “目前, Pro, 服務(wù)的, 吞吐, 能力, 非常, 有限”, “預(yù)計(jì), 在, 下半年, 昇騰950超節(jié)點(diǎn), 批量, 上市, 之后, 價(jià)格, 將會(huì), 出現(xiàn), 大幅度, 的, 下調(diào)?！?。倘若未來國(guó)產(chǎn)算力能夠跟得上, 那么這個(gè)價(jià)格依舊有著下降的空間, 然后同樣也存在回調(diào)的可能性。不過至少在當(dāng)前這個(gè)時(shí)候, 它是三家當(dāng)中最便宜的頂級(jí)模型, 不存在其他情況。要是你是一位用量大的開發(fā)者, V4Pro的性價(jià)比幾乎不存在對(duì)手。那么究竟是不是要將V3替換成V4, 假定你身為開發(fā)者, 則我的答案是肯定的V4相較于V3的提升并非呈現(xiàn)出5%那樣的邊際改善特質(zhì), 而實(shí)則是多個(gè)核心能力方面發(fā)生的質(zhì)的變化。詩(shī)詞理解能力從處于“還不錯(cuò)”的狀況轉(zhuǎn)變?yōu)檫_(dá)到“頂尖”水平, 代碼生成能力由“能用”階段轉(zhuǎn)變成為“優(yōu)秀”狀態(tài), 技術(shù)文檔方面從“還行”的程度轉(zhuǎn)變至為“優(yōu)秀”層級(jí)。智能體能力盡管沒有獲取到滿分, 然而其已然足夠用以應(yīng)對(duì)大多數(shù)的工具調(diào)用場(chǎng)景。而且, V4 Pro當(dāng)前所呈現(xiàn)的折扣價(jià)格, 跟V3在當(dāng)初時(shí)所具有的價(jià)格相比, 二者之間的差別并不是非常大?；ㄙM(fèi)相同數(shù)額的錢財(cái)去購(gòu)置更為強(qiáng)大的能力, 這樣的交易并不會(huì)產(chǎn)生虧損。要是你還沒法確定究竟該選用 Flash 還是 Pro, 那我的建議是先去選用 Flash。Flash 的價(jià)錢大概是 Pro 的三分之一, 不過二者能力之間的差距遠(yuǎn)比價(jià)錢之間的差距小很多。按照社區(qū)所反饋的情況來看, Flash 在非思考模式時(shí)已經(jīng)能夠解決超過 80%數(shù)量的日常任務(wù), 而在思考模式下則能夠涉及涵蓋 Pro 90%以上份額的深度推理能力。那么, Pro適合在何時(shí)上線呢? 當(dāng)你的任務(wù)要求具備極致的代碼能力時(shí), 當(dāng)你的任務(wù)需要1M token級(jí)別的超長(zhǎng)上下文來進(jìn)行深度文檔分析時(shí), 當(dāng)你對(duì)輸出質(zhì)量有著極高要求, 無法容忍“差不多”的情況時(shí), 不然的話, Flash肯定是更具性價(jià)比的選擇?回到文章開頭的問題 V4 Pro 讓人失望了嗎或許更為關(guān)鍵的問題在于, 于當(dāng)下的大模型較量之中, 我們?cè)撘栽鯓拥姆绞饺ソ缍ㄊＲ悄闼谂蔚氖且豢钅軌蛉騁PT - 5、腳踢Opus, 同步支持多模態(tài)以及實(shí)時(shí)聯(lián)網(wǎng), 并且還能瞬間回復(fù)你每一條信息的“全能之神”, 那么這般失望幾乎是必然會(huì)出現(xiàn)的。V4 Pro并非如此, 也沒有必要成為那樣的模型?？墒且悄闼瓮氖菓{借三分之一的價(jià)錢, 獲取逼近乃至超越國(guó)際頂級(jí)閉源模型的關(guān)鍵能力, 那么 V4 Pro 不但不會(huì)讓人失意, 反倒是一回使人驚喜的交出。咱來憑借數(shù)據(jù)講情況, 對(duì) V4 Pro 在咱們實(shí)際測(cè)定過程里展現(xiàn)出的表現(xiàn)予以回顧:詩(shī)詞理解平均 4.75/5頂尖法律引用約 4.5/5優(yōu)秀翻譯定性 A代碼生成4.9/5頂尖技術(shù)文檔4.7/5優(yōu)秀智能體能力4.6/5良好這份成績(jī)單, 放置于任何一家國(guó)產(chǎn)模型之上, 均可堪稱亮眼。然而, 放置于一個(gè)API價(jià)格相較于競(jìng)品便宜至倍的模型身上, 便算得上是離譜了。給自己所做的定位, 也是處于一種十分清醒的狀態(tài)。官方在發(fā)布的文檔當(dāng)中, 明確地進(jìn)行了書寫, 內(nèi)容為: “V4 - Pro - Max在標(biāo)準(zhǔn)推理之上整體所具備的性能, 在一定程度上要略微遜色于GPT - 5.4以及 - 3.1 - Pro, 這表明它的發(fā)展軌跡大概是落后于最前沿的閉源模型三到六個(gè)月的時(shí)間?！泵鎸?duì)如同打了雞血一般的市場(chǎng)情緒, 所說出的僅僅是一句平平淡淡的話語(yǔ), 即“還差一截”。那么, 存在著三到六個(gè)月的差距, 這樣的差距所對(duì)應(yīng)的價(jià)格差達(dá)到三到五倍, 這樣的價(jià)格差它是值得的嗎?究竟對(duì)于絕大多數(shù)的開發(fā)者以及企業(yè)來講, 答案無疑是肯定的。V4 Pro于代碼、文檔、寫作、翻譯等核心生產(chǎn)力場(chǎng)景當(dāng)中的切實(shí)表現(xiàn), 已然是好到能夠是讓你對(duì)那份差距毫無印象, 心安理得地理所當(dāng)然般地去省下數(shù)目可觀的一大筆錢了。所以一旦你向我詢問V4 Pro究竟值不值得去使用, 它在該行的環(huán)節(jié)表現(xiàn)得以發(fā)揮功效, 不行的部分也并未加以強(qiáng)行支撐硬頂, 這恰好十足是一款優(yōu)質(zhì)模型應(yīng)該呈現(xiàn)出來的樣子。雷峰網(wǎng)文章