我用 dsh 测试了一下实际环境中 GLM 5.3 + DeepSeek V4 Pro + DeepSeek V4 Flash 的效果 <鹈鹕骑自行车>

我看之前大家分享的测试都是一条指令, 什么工具都不提供, 这和实际使用环境不一致. 提供需要的工具更能看出模型在实际环境中的效果.

- 思考等级都是 Max.

• Prompt 是```

创建一个HTML，内容是SVG绘制一个鹈鹕骑自行车的2D动画
尽你最大能力去做，想任何办法做到最好，这是一个竞赛。看谁效果做得最好，通过一个简单的 prompt。
```- 配置了 Chrome MCP 和 mimo-v2.5 作为子代理实现视觉功能.

下面是效果对比:

- GLM 5.3 (26分钟 = 21m LLM + 5m tool)

https://4e72c11c-pelican-bicycle.fengzipei3.workers.dev/

- DeepSeek V4 Pro (第一次任务 API 断了没有完成, 估计负载太大了.第二次60分钟 = 40m LLM + 20m tool.)

https://pelican-ride.fengzipei3.workers.dev

- DeepSeek V4 Flash (60分钟 = 40m LLM + 20m tool. 它在运行中发现有 bug, 修了半天, 但是最后还是有 bug.)

https://e67f61a1-pelican-bicycle.fengzipei3.workers.dev/