真绷不住了，我说他们怎么做到官方跑 Terminal Bench 跑 87.9，结果 AA 跑的只有 79 的，感情搁这疯狂过拟合 Minimal Harness，还有安全词的说是
又要变祖了吗...
DeepSeek V4 Pro 不是能力不行，而是对首次请求的工具结构极其敏感。官方 Standard/PTC 只有 91/92 分，Minimal 是 99/96，但只有两个工具。我们做了一个两阶段插件：首轮只给 shell + read 锚定 Minimal 推理轨迹，第一次工具调用后立刻恢复 Standard 全部 25 项工具。Windows 连跑两次 98/99，均值 98.5，第二轮全程 let me=0，证明不是抽卡，也不需要牺牲完整工具能力。
插件已开源：https://github.com/xiaobright/dsh-anchored-standard
完整评测、原理分析和统计证据：https://github.com/xiaobright/modeltest
如果真的是这样的话那也太弱智了，dpsk 这模型发的真是创记录了
· 全球首个发了权重以后发现发成 V4Flash 权重了，然后紧急撤回权重的模型
· 全球首个在短短一天内发布和不发布来回抽搐 N 次的模型
· 全球首个不在指定环境运行就能掉完性能的模型（原来对标 Codex 是这么个对标法吗），而且还不告诉用户要在这个环境运行
搁这当 ARG 玩呢
甚至 deepseek-harness 还专门有一个 Commit 将 Minimal 的提示词对齐到 RL 环境