一夜之间，又都是 DS 牛逼的新闻了。

媒体…，说起来，当然几家科技媒体也是日常吹，反正口径一致。对标全球第二强的 Claude Fable 呗，还好没喊出超越！怎么说呢，

他们没啥亮眼的例子。硬举例子吹，看得我都尴尬了！

实际来说。我是喜欢 DS 的，对 DS 也是有很大期待的。我希望它能变强，毕竟是国产 + 便宜，方便无套路。

人那。就是不能有期待，一旦有预期就会有失望！

为了畅快用新版 Pro，我还专门充了 OpenCode。当我跑完第一个例子，我唯一的感受是“太难用了”！

基准数据

按照惯例。为了让大家对这个模型有一个全面的理解，我会先贴一下官方公布的基准数据。

从这个数据来看，数据还是非常亮眼的！如果看这个数据，Opus 是被按在地上摩擦了。硬要说超越 Fable 也不是不行。在这 项数据中，有 项超过了其中两项是 Fable 没有测的。其中有明确数据的是 AutomationBench 和 CyberGym。

恕我孤陋寡闻，这个 AutomationBench 基准我都没怎么见过。查了一下资料，这是一个很新的 AI 智能体基准，由 Zapier 在 年 月发布。主要是销售、营销、运营、客服、财务和人力资源六类业务！ 好吧，这确实不是我关心的领域。 说起来，

CyberGym 这个就比较眼熟了。是一个测试 AI 智能体真实软件漏洞分析能力的基准，由加州大学伯克利分校团队开发。这个数据如果真实还是挺有用的。

相关人员可以对号入座了传出去，DeepSeek 在这些维度打爆 Fable 了。

虽然 项目中只有两项数据赢了但是一项可以拆成 项，妥妥地赢 X 了…，！

从实测体验来看，从基准到现实

赛博朋克版清明上河图

• 痛点一：缺乏交互与沟通
• 痛点二：JS 基础错误导致代码不可运行
• 痛点三：空间感与细节缺失。让作品失去灵魂
• 痛点四：模型输出不一致，多次测试结果只得到单一页面
• 痛点五：极低或无思考过程输出，让使用者无法跟进进度与纠错流程
• "OpenCode 一点反应都没有；Claude Code 等待超过十分钟才输出思考过程"
• "最终生成代码出现 JS 错误； 无法在浏览器正常运行"
• "模型声称自己原创，但文件内容完全相同，引发抄袭疑虑"
• "整体审美平淡，没有烟火气。也缺少人流繁华感"
• "在布局比例和细节处理上显得粗糙且混乱"

天文机械表项目

• -痛点一：长时间等待但几乎不输出任何文字或进度提示.
• -痛点二：Meteorite 指针停留在同一点;月相算错，新月被误判为残月.
• -痛点三：“UI 效果还算可以”但细节多处不符合预期。
• -痛点四：Mental 模型缺乏沟通；仅在完成后才给出简短说明，没有任何前置提示或迭代交流。
• -痛点五：“整体视觉设计不错。但关键细节却出现错误，使得作品整体质量下降。”

经典游戏复刻

•痛点一：Mental 模型全程无交流，仅在最终一次提交时才轻声说明工作已完成。 •痛点二：Mental 模型生成内容过于抽象；地图、角色和玩法均未达到原作水平，仅能玩游戏，却缺乏可玩性和完整性。 •痛点三：“即使基本功能可实现。也存在大量视觉与逻辑上的疏漏，使得使用者体验极差。”

成本与效率对比——价格虽低但使用成本高昂？

• “我的 Claude Code 是通过 API 调用的。跑两次网页，大概消耗 .7M tokens，金额为 RMB；OpenCode 用了五小时占用大量资源”
• “虽然价格优势比较突出。但由于模型需频繁等待且输出基础错误，需要额外人工干预和修正成本，这些额外花费往往被忽略。”
• “简单看。如果只做杂活或临时需求，可接受。按理说，但若需高质量交付或持续迭代。则会因交互慢、错误多而导致项目延误甚至失败。”

是否值得投入？

"太难用" 并非指能力不足。而是在使用体验层面出现严重问题——缺少即时反馈、沟通断裂、基础代码错误，还有模型无法自我纠正等现象，让使用者感觉像是在跟一个哑巴对话。不过，

- 对于需要快速迭代、高质量产出的场景。目前 DeepSeek Pro 官方版仍然存在明显瓶颈；‑ 对于预算有限、可容忍人工后期修补的小项目，其价格优势可能勉强弥补上述不足；‑ 若追求稳定、高效的人机交互还有精准编码能力。应考虑更成熟环境或已验证训练效果更好的替代方案，如 GLM 或 K3 等国内外大型模型。

*本评测仅代表作者个人使用体验，并非官方立场。如需更程序的数据，请自行结合实际需求测试*