DeepSeek V4 Pro 正式版不如预期，因为模型就像一个被训练成看菜下饭的厨师。如果第一眼看到厨房里摆了 25 种工具，它开始纠结 “我先拿哪个、我试试这个、我再看看那个”，动作很多但效率低。那如果第一眼看到厨房里只有 2 种工具，它反而专注：“我们要做这道菜，直接开干”，干净利落。 

导语：正式版不及灰测？一场社区掀起的 “性能大侦探”
DeepSeek V4 Pro 正式发布后，AI 社区出现了一个诡异的现象： 

官方/灰测数据：跑分高达 96~99 分，几乎打平全球顶级基准。
用户实测体验：有人跑 Terminal Bench 只有 79~91 分，思考过程充斥着低效的 “我来试试……”“让我想想……”（Let me…）等绕圈圈行为。

难道 DeepSeek 在正式版里把模型权重 “暗降” 了？还是训练出了问题？ 
开源社区没有停留在口水仗，而是通过硬核消融实验（Abl...