去年初 DeepSeek 风光无限，把英伟达股价都干崩了，大有国产模型碾压一切的趋势！
一年多后 DeepSeek 却几乎销声匿迹了，苦等的 V4 也没来。
别人都是一路狂奔，一个月都能更新一个版本，它倒好，玩起了岁月静好。
最近用一个编程实例把国内外各种模型都测了个遍：
只有 DeepSeek V3.2 没测了。
我一直没有测试，我其实不太想测，因为我大致有数。
但是有朋友强烈要求测一下，好像很多人的心中 DeepSeek 还是世界最强的存在！
好吧，那就测一下，专门去官网充值了 API，然后配置到 Claude Code 中测试。
然后，试试就逝世了：
项目写到一半直接蹦了！
继续了几次都不行，就卡在这里了！
我上面说了，我这是官方正版 API，特地充值的，而且采用了它家最强的推理模型！
国内的主流模型我都试了，没有一个中途撂挑子的。即便是 MiniMax 也不会卡在这个环节。
仔细看了一下错误提示大概是上下文超了。
最大上下文 102400？这是什么鬼！
查了一下资料大概是这么说的：
deepseek-chat（非思考模式，基于 DeepSeek-V3.2） 上下文长度：128K tokens（131,072 tokens）
deepseek-reasoner（思考模式 / 推理模型，基于 DeepSeek-V3.2） 上下文长度：128K tokens（131,072 tokens）
首先，128K 不是也还没到啊。
其次，都 2026 年了还有旗舰模型上下文是 128K？
这么小的上下文够干什么？
GLM5、Kimi、MiniMax 都 200K+ 了。
Opus 和 Sonnet 都 1M（1024K）上下文了。
便宜是真的便宜，但是这东西根本没法用啊！！！
基于真实项目的编程题太难？那么来个简单的智力测试题：
有 5 个人排成一排，每人帽子颜色为红或蓝。他们可以看到前面的人的帽子，但看不到自己的。主持人宣布：“至少有一顶红帽子。”从最后一人开始，每人依次说“是”或“否”（表示是否知道自己帽子的颜色）。如果第 5 人说“否”，第 4 人说“是”，求所有可能的帽子颜色分布。
结果如下：
消耗时间如下：
题目是回答出来了，但是耗时 120 秒，太久了。Kimi 只花了 20 秒，GLM 只花了 25 秒。
目前在时间和消耗方面，Kimi 和 GLM 确实都不错，基本上每次测试他们都是靠前的！
把 DeepSeek 模型换成 chat 模型，按理说聊天模型会比推理模型快很多。
结果如下：
答案结构混乱，时间消耗还是特别长！
这么一比，小米都变得“眉清目秀”了。
这是要上下文没上下文，要速度没速度啊！
我也让它写了几个网页例子，奇怪得很，明明是国产模型，中文提示词，结果全是英文网页。
写了个五子棋，布局没啥问题，但是它写的 AI 对手非常弱，最高难度都是傻乎乎的。
提示词里专门提了，对战的 AI 要有一定智力程度，它写的这个几乎是“弱智”！
一年前，勉强可以用首图，一年后，只能用这张图了！
这么看来 DeepSeek 没人提起也是正常的，毕竟别人进步太快了，而它却一直止步不前！
我记得 DS 好像和遥遥领先的华为强强联合了吧，结果……停更了？！
群组升级开发测试系列：
MiniMax 2.5 和 Kimi 2.5 的测试过程和结果
测试的项目地址：
关于作者
tony
某人