Damn，DeepSeek V4-Pro竟然超过了Fable 5？！🤯。。。

这可能是我这周看到最炸的一件事，甚至可以说是今年AI圈最恐怖的一个发现，我直接把手里所有模型对比方案全停了，

有人用一套外挂系统，没改模型一个参数，让DeepSeek V4-Pro直接干翻了Fable 5，

这个叫J-Space的东西，本质上就是一套智能提示词加工工作流管理工具，

它不给模型加任何能力，只做一件事，让模型别走神，

DeepSeek V4-Pro本身已经很猛了，但一到复杂多步骤、需要调用工具的长任务，就开始乱想，忘记自己做到哪，一步错步步错，

J-Space给它配了一个清晰的记事本和进度表，强制它每做完一步就验证，出错立刻回退纠正，思考过程固定在统一的结构里不跑偏，

然后跑分出来，所有人都傻了，

Terminal Bench终端操作，87.9干到90.1，
DeepSWE软件工程，62.7干到72.0，
NL2Repo自然语言建仓库，61.5直接干到73.4，

好几个项目直接超过了目前公认很强的Fable 5，

作者说了一句特别到位的话，模型一直很强，之前只是能力没被正确释放出来，

说实话，看完这些数字我有点头皮发麻，

我们天天追着新模型跑，比参数比基准比谁更聪明，但这个实验直接证明了一件事，

同样的模型，换一套harness，表现能差出一个档次，

模型本身的差距，正在被使用方法的差距追平甚至反超，

当然也得泼盆冷水，这些分数是作者自己单次跑出来的，还没有第三方独立验证，社区已经有人测了，部分任务提升不明显，还多花时间和token，

模型没有变聪明，它只是更稳了，能把已有的能力完整地发挥出来，

但这个方向本身，比跑分重要一万倍，

所以大家以后别再问哪个模型最强了，真正拉开差距的，是谁能给模型配上一套最科学的干活方法。

#DeepSeek #AI #Agent