http（s）://www.nist.gov/news-events/news/2026/05/caisi-evaluation-deepseek-v4-pro

美国叙事测评，DeepSeek牛逼，美国都开始做这种“叙事”测评了...

主要差距是在：安全、Agentic 软件工程、抽象推理隐藏集上，而在数学、科学问答、常规软件修复上，差距没有那么大

最大优势还是在于成本，也就意味着之前常说的“性价比”直播又大大提升了，这个才是大模型大规模落地的核心指标～