近期 Hacker News 上的一场讨论引起了关注，该讨论引用了一份基准测试报告，称 DeepSeek V4 Pro 以 38 比 33 的得分超越了 GPT-5.5 Pro。尽管一些用户指出，这些模型在遵循结构化输出规范方面的表现与其个人使用体验相符，但人们对该测试方法的客观性仍持怀疑态度。 批评者指出，测试的样本量极小（仅有四个任务），并质疑使用另一个 AI 模型（Grok-4.3）作为裁判是否具有客观性。此外，评论者还澄清称，用于评判的“Grok”模型很可能是更新后的当前版本，这使得对比结果的可靠性存疑。 尽管存在这些方法论上的担忧，但舆论普遍认为，像 DeepSeek 这类模型表现出的竞争力，正对前沿人工智能实验室的定价模式施加巨大的下行压力。许多用户希望这种趋势能够持续，从而使高质量、私有化且本地化的推理成为开发任务中更可行的解决方案。