大家好，我是 AI 超元域。
这期我在 DeepSeek Harness 中测试了 DeepSeek-V4.1-Flash-1017，连续做了 7 个项目：艺术史动画、圣家堂、海战游戏、《清明上河图》虹桥、极光号飞船、Godot 坦克游戏，以及原生 iOS 背单词应用。
先说这轮最直观的感受：它已经能把复杂需求推进到可打开、可运行的作品，飞船内部和建筑空间也有相当完整的结构。但真正上手以后，反向转弯、穿模、运行报错和平板导航失灵都出现了。评价这类编程模型，画面效果、功能正确性和运行性能需要分开看。
本文依据本期公开简介、章节和匹配的已保存校正字幕整理。未取得 YouTube 直接导出的完整字幕，因此细节与耗时按本期讲解记录，未进行独立复跑。公开视频在美西显示为 2026 年 10 月 17 日，精确发布时间换算为本站 +0800 时区是 10 月 18 日 01:04:25。官方资料补充核验于 2026 年 10 月 24 日。
如果嵌入播放器无法加载，可以前往 YouTube 观看完整视频。
测试环境，以及官方基准能说明什么
本轮在 DeepSeek Harness 中选择 DeepSeek-V4.1-Flash，推理级别设为 high。多组提示词沿用了我此前测试其他模型时的任务，重点看同类需求交到这个模型手里，最终能做出什么。
DeepSeek 的 1017 官方发布说明将改进重点放在端到端项目开发，提到通过带自反馈的强化学习提升游戏与三维建模等任务的完成能力，并建议使用 DeepSeek Harness v0.2.1-rc.1 或更高版本。这里是官方的兼容建议，不能据此倒推我录制时实际使用的 Harness 版本。
官方页面也展示了 DeepSWE v1.1 的 Pass@1 与单任务成本对比，注明使用 mini-swe-v2 harness。它是厂商公布的评测，不是本次 7 项案例的结果。我的这些体验也不是统一 benchmark：没有对所有模型统一运行环境、重试次数和验收标准，不能将某一项画面更好直接写成整体能力排名。
1. 艺术史动画：能交付 MP4，但局部绘制仍有缺陷
第一个任务沿用此前艺术发展史动画的提示词。按本期讲解，等待接近 49 分钟后，Harness 交付了 MP4 文件，可以在播放器中直接打开，成片还带有背景音乐。
这项的成果很明确：交付物已经从文字或代码推进到了可播放的视频。但放到局部检查，猫只画出了前腿、没有后腿，人物比例也不够协调。整体观感可用，不等于每一帧都经得起细看。
这里记录的是模型与 Harness 工具环境共同交付的成片，不能由此推出 DeepSeek 原生具备视频或音乐生成能力，也不能补写未记录的分辨率、帧率和配乐来源。用于正式发布前，仍应逐段检查身体结构、人物比例和素材权利。
2. 圣家堂：内外都能探索，运行负担也很明显
圣家堂任务耗时约 1 小时 17 分钟。成品能查看建筑外观、放大局部，也能进入内部空间切换视角探索。与真实照片对照时，我认为整体还原效果尚可，但具体细节仍有差距。
更值得注意的是运行体验：继续探索时，电脑开始发烫，风扇转了起来。这反映出该次成品存在性能方面的担忧，但视频没有提供 CPU/GPU 占用、帧时间或温度曲线，不能仅凭发热就断言是哪一段代码造成了瓶颈。
如果继续完善这类项目，下一步应补做性能采样，检查几何体数量、材质、光照和渲染循环，再决定优化方案。建筑看起来像，和能长时间流畅地逛，是两个验收目标。
3. 海战游戏：能开炮，左右转向却反了
这项使用此前海战游戏的提示词，开发等待约一个多小时。成品可以进入游戏，船体和海面画面有一定完成度，也可以开炮。
真正操作时，问题非常具体：按右转，船往左；刷新以后再按左方向键，又往右转。船体还出现类似倾覆的姿态，鼠标也无法拖动切换观察角度。运行过程中再次出现风扇高速转动和发热。
因此，这项不能因为“有画面、能开炮”就算全部通过。输入方向、船体运动、摄像机控制和射击反馈，都要逐项验收。截图无法发现这些问题，亲手按一次方向键才会暴露。
4. 虹桥场景：搭出了空间，船与水面出现穿模
《清明上河图》虹桥部分耗时约两小时。浏览器可以加载场景，用户能拖动视角，观察桥的结构，也能沿河道探索，观看船只过桥。
这项的短板是几何与遮挡关系。讲解中指出，船上能够直接看到水面，多艘船都有类似的穿模现象；从下方观察，也能发现不合理的交叠。运行不到三分钟，电脑又开始发烫。
场景搭建能力值得肯定，但真实的三维体验还要求物体之间关系成立。后续验收应同时检查桥上、桥下、船内以及运动过程中的视角，而不能只保留一个最好看的镜头。至于具体是几何交叉、材质还是渲染设置导致，需要检查项目后才能确认。
5. 极光号飞船：轮状载人舱连接是亮点
这次沿用极光号飞船任务，等待约 1 小时 21 分钟后完成。外部可以缩放观察星空背景、引擎尾焰、燃料罐和头部结构，还能进入载人舱，查看房屋、植物、穹顶以及远处类似玻璃的视觉效果。
我在本期中特别肯定了载人舱的连接方式：不同舱段连接起来组成轮状结构，而不是各自独立。这是一个比“细节多”更具体的优点，说明这次成品抓住了任务中重要的结构关系。
不过，对小说还原程度的评价仍属于本期体验，没有做逐项原文考证；与此前 Kimi K3 结果的比较也只是对应项目的观察，不是跨模型综合排名。进入载人舱探索时，发热和风扇噪声仍然存在，结构做得好并没有自动解决性能问题。
6. Godot 坦克游戏：生成较快，瞄准与运行稳定性没有过关
这次要求使用 Godot 4 创建可玩的 3D 侏罗纪坦克射击游戏。按讲解记录，约 30 分钟便完成了开发，是这组任务中等待时间相对短的一项。
进入以后可以控制坦克、转动炮塔，并尝试攻击空中的飞碟。但运行画面不流畅，瞄准也有问题，之后还出现了报错。报错原文没有完整记录在现有文字材料中，因此这里不推测异常类型或修复方法。
我认为本次效果比此前用早期 DeepSeek V4 做同样任务有所进步，但仍不能称为可交付的完整游戏。对于射击游戏，稳定帧率、可用的瞄准和持续运行不报错，都是基本要求，不能用“已经生成项目”代替。
7. iOS 背单词应用：学习流程可用，iPad 导航失效
最后一项是原生 iOS 背单词应用，开发等待约 50 分钟。首页包含今日进度、连续学习天数、词汇和每日一词等内容，并分别展示了 iPad 与 iPhone 上的效果。
在 iPad 上，单词卡片能发音、翻转、查看详情，也能选择认识或不认识。随机听力测试可以选择题数，回答后显示正确或错误，结束时显示正确率。这些功能构成了能够实际操作的学习流程。
但词书、进度和设置导航点击没有反应。切换到 iPhone 检查，对应入口却可以打开。这说明同一个应用在手机上可用，并不能证明平板适配已经完成；需要把每个设备尺寸下的导航、返回、状态切换分别验证。
此外，本期只展示了部分交互，没有验证长期学习记录持久化、离线使用、无障碍或上架要求，不能将其描述为已经完成生产验收。
30.04 元与 6.19 亿 Token，应该如何理解？
本期讲解记录的开始余额为 21.44 元，开发过程中又充值 20 元，最后报告本轮总花费为 30.04 元人民币，Token 用量为 6.19 亿。公开简介也采用了这两个数字。
这两个数按创作者本次记录保留，并不代表“任何人花 30 元都能完成同样的 7 个项目”。现有材料没有完整的输入、输出、缓存命中与未命中分项账单，也没有逐项费用拆分。不能擅自把 6.19 亿改成另一个数量级，同样不能仅用总金额除以总 Token，推导通用 API 单价。
DeepSeek 官方定价页在补充核验时将缓存命中输入、未命中输入和输出分别计价，还区分高峰与非高峰时段。费用与用量的对应关系需要结合这些明细理解，实际调用前应检查当时价格。
另一个容易忽略的成本是等待和修复。艺术史动画接近 49 分钟，虹桥约两小时；即使 API 账单不高，交互错误、性能优化和设备适配仍然需要时间。本轮没有记录统一的人工修复工时，所以无法计算最终可交付项目的完整成本。
我的结论：原型能力进步明显，验收不能只看成品截图
这 7 项测试最有价值的地方，是把优点和问题放在同一轮实际使用中展示。DeepSeek-V4.1-Flash-1017 能做出带配乐的动画文件、可探索的建筑和飞船，以及具有学习流程的原生应用。极光号的载人舱连接、iOS 的卡片和听力交互，都是具体可辨认的成果。
同时，海战转向反了、虹桥穿模、坦克游戏报错、iPad 导航失灵，也都是影响使用的真实问题。多项三维项目出现发热，需要继续用性能工具检查，而不能只凭肉眼判断优化是否充分。
如果要复用这组任务，我建议保留三个独立的验收清单：
- 画面与结构：比例是否协调，内部空间与关键连接关系是否正确。
- 功能与交互：方向键、瞄准、导航、返回和完整任务流程是否真的可用。
- 性能与稳定性：持续运行、不同设备、异常日志和资源占用是否过关。
模型交付了第一版之后，测试才真正开始。低成本让我们更愿意尝试复杂项目，但只有把这些问题修完，原型才能进一步成为可持续使用的作品。