作者汇总10个DeepSeek模型在35个提示上的242个oneshot结果。
推荐理由：242个样本能提供粗粒度体感对比，尤其暴露provider错误和空输出问题；但缺少评分协议，适合作为探索材料而非模型排名依据。
阅读原文