测试deepseek鲁棒性，揭露其真实信息处理能力

deepseek在复杂文本与多次对话场景下的信息处理能力倒底怎么样呢，今天就测试deepseek的鲁棒性与边界能力，通过简单的两轮的测试之后，deepseek暴露了它在任务理解、前后文记忆以及逻辑上的缺陷。在第一次测试中，我要求找出文章里第8个英文字母。模型在初始处理中，将文章中出现的英文单词纳入计数，给出了“w”的结论，但是思考过程漫长且混乱，暴露了它在文本扫描还有字符定位方面的短板。第二次更换文章后，我提问出现最多的人名是谁，模型虽然能识别主角“望”，但整个统计过程逻辑较松散、缺乏系统的整体的梳理，而且对之前提出的任务出现混乱识别，随意切换任务指令，没有效区分两次不同的测试文章，还是说明了它在上下两任务指令和文本中处理的劣势。整体上面来看，这一次测试明显的体现出deepseek在识别读取文字、长文本中计数还有多次对话中记忆，区分上下文的问题。

2026-05-12

该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。