75模型实测向量数据库编写基准：DeepSeek列第7为国产最高

📋总体概括

博主U思易与karminski-牙医测试了DeepSeek-V4.1-Flash-1017等模型在一个Agentic Coding基准上的表现：75个模型同场竞技，任务是用50次工具调用从零写出一个能运行的向量数据库，前六名全部被Claude和GPT包揽，DeepSeek排名第7、为国产最高，与榜首差距为2.7倍QPS而非2.7倍能力。测试者认为该基准比拼的是工程执行力而非知识量，国产模型一年来的进步正在于「把活干完」，剩余差距集中在稳定性与边界处理。博主还指出新版本Agent风格更保守，需配合好harness才能发挥。