记一次在嵌入式项目的代码质量和效率的横向评测(DeepSeek V4 Flash 0731、GPT 5.6 Luna Max)

troubleman2026-08-07

34335

前言

因为我是主要是做嵌入式开发的，我看比较少人测试这方面的，所以特意做了这次评测。

在嵌入式项目中, 代码质量和运行的速度十分重要, CPU比电脑运行慢很多，在这种情况如果代码写得不好，运行的效率就会放大，结果差很远，很多时候都要想辨法压到极限。

而且在实际开发中要多次查文档, build, 烧录和开发板交互操作, 这次测试可以考验有没有做好。

环境

1.统一使用 opencode

2.使用ESP32S3N16R8, SDK ESP-IDF 5.5.5

3.可以自由查阅的ESP文档

4.可以自由使用espidf内建的工具

参与测试的模型

1.opencode go 的DeepSeek V4 Flash 0731, 思考max

2.opencode zen 的DeepSeek V4 Flash 0731 free, 思考max (跟go付费版对比)

3.opencode go 的GPT 5.6 Luna, 思考max

4.opencode zen 的LongCat-2.0 Free, 思考max (反正免费顺便测)

测试方法

1.在同一个SDK和环境下写1024 点 Q15 定点 FFT的算法, 不能使用esp的FFT/DSP库

2.输出要和事先写好的PC 验证工具float648答案比较，SNR ≥ 35 dB 且最大误差 ≤ 128 LSB，两者都过才算 PASS

3.每个测试的模型要写2版code, v1版要先把算法写好正常正确能用, 验证通过后 commit 冻结, 再写自我优化的最终版 v2版, 比较 v1 与 v2 的运行速度

4.用我自建的 DevTool 量测速度，记录 avg / p50 / p99 / max（µs）。

5.记录v1 总用时, v2 总用时

6.撰写 contest_report.md（优化手段/正确性验证/速度表格/成本/心得）

7.最后由肥波5审计

提示词

model_prompt_zh.txt (7.8 KB)

各自完成后的报告

deepseekv4fash_contest_report.txt (8.0 KB)

deepseekv4fashfree_contest_report.txt (5.9 KB)

gpt_luna_contest_report.txt (5.7 KB)

longcat2_contest_report.txt (4.6 KB)

肥波的结论和审计成绩

DeepSeek V4 Flash 0731 |
48.76 dB / 3.0 |
51.22 dB / 2.1 |
48.76/3.0、51.22/2.1 |
|

DeepSeek V4 Flash 0731 free |
47.98 / 3.0 |
47.94 / 3.0 |
47.98/3.0、47.94/3.0 |
|

GPT 5.6 Luna |
48.01 / 3.0 |
48.01 / 3.0 |
48.01/3.0、48.01/3.0 |
|

LongCat-2.0 Free |
48.17 / 3.0 |
46.19 / 3.5 |
48.17/3.0、46.19/3.5 |
|

全部通过闸门(SNR ≥ 35 dB、max_err ≤ 128 LSB)。速度方面:GPT 留存了 perf 原始输出(6339/1945 µs,与报告逐字相符);两个 DeepSeek 未附 perf 原始档,仅报告自述。

成绩总表

正确性 (30%) |
10 |
9 |
9 |
8 |

速度 (30%) |
10 |
8.5 |
6.5 |
5.5 |

代码质量 (20%) |
9.5 |
8.5 |
8.5 |
7 |

报告质量 (20%) |
9.5 |
8.5 |
9 |
7.5 |

加权总分 |
9.8 |
8.6 |
7.9 |
7.0 |

排名 |
^-^ 1 |
^-^ 2 |
^-^ 3 |
4(资格存疑,两个诚信/隔离问题) |

v1 avg |
2329 µs |
2201 µs |
6339 µs |
2668 µs |

v2 avg |
564 µs |
952 µs |
1945 µs |
1804 µs |

提速 |
4.13× |
2.31× |
3.26× |
1.48× |

感想

首先这个结果完全出乎我的意料的, 因为我一直以为GPT写算法是最好的, 但最后写出来的代码最拉, 写出来的算法速度也是最慢的, 但执行速度太快, 有降智的可能性

可以看出opencode是挺有良心的, deepseekv4 flash free版本速度和付费1M版本在写v1 code不会慢很多, 但可以看出200K上下文带来的负面影响, free版本刚做好v1就进行上下文压缩了, 导至后续写v2时要重新查文档花了好长时间, 最后效果也差了好多

体感deepseek v4 0731真的很聪明, 它在过程中不断的查文档和调用工具去模拟和实测, 甚至直接查看编译出来的汇编文件看实际的汇编指令, 跟我自己的实际工作流好像

至于LongCat这个模型犯规了, 它偷看了deepseek v4 flash free的工作区, 我及时阻止了, 但是我想不到这个美团的模型竟能完全完成任务, 也算是出乎我的意料的

主楼

发表回复