从 LLM 的角度来看, 各种 Harness 本质上其实就是一套系统提示词和工具。你把 pi 里面的系统提示词和工具搬到 DSH 里面，其实效果是一样的。 具体到干活怎么样，还是要看你对 DSH 的调教, 让它来适配你的工作。你可以在轨迹里面看看上下文里面有哪些东西, 然后进行优化和裁剪. 作为对照, 你可以用 dsh 极简模式看看效果, 和 pi 应该比较近似.

https://pelican-express-20261017-150329-7947.fengzipei3.workers.dev 你验证指纹了吗, 我用官方的测出来是这样, 验证过指纹

你这个速度有问题, 不是官方 api, 换一个吧

我看了一下文章，它核心证据就是他团队内部根据 GLM 5.3 的模型制作了一个 abliterated（消融拒答）版本, 测试发现网络安全能力很强，所以威胁很大。 别人 GLM 官方版本是做了防护的, A 畜去掉了然后指控别人有问题, 然后呼吁加强监管. 总的来说还是 A 畜老一套, 提倡加强管制，提高门槛。

有人测试过吗？它上游是官方的吗？

你这个可以的。它是一开始会读一段，到后边就开始唱了。注意音色要用贝壳。

确实可以, 不过要选音色, 海星不行, 贝壳可以

ok, 我改掉了

 论文里面有写的。

可信度高在哪？X 上这个赛道一大堆。截个图就能当证据了吗？

他说 6T 的数据价格是五位数, 也就是 1 万到 9.9 万美元之间

我这里使用 deepseek-v4-flash-vision-(exp) 也能得出正确结果。但是它的 V4.1 Flash 肯定不是接的官方的 API。 我觉得这家可以避雷了

这种情况是不正常的。现在 Deepseek 官网上可以稳定输出正确答案。这个题答不出来，说明它后边对接的 API 肯定是有问题的。

看来这个公司真的有问题。这不可能是官方的 API。老哥, 你是 Goat 还是 Go？

老哥, 有空帮忙测一下呗。我感觉我账号反代使用可能被标记了。

有没有订阅了 Goat 套餐的？帮忙测试一下呀。``` 在一个不透明的袋子中有三种口味、两种形状的糖果，数量分布如下： 圆形：苹果味 7 颗、桃子味 9 颗、西瓜味 8 颗 五角星形：苹果味 7 颗、桃子味 6 颗、西瓜味 4 颗 参赛者只能靠手感分辨形状，无法分辨口味。请问：至少要摸出多少颗糖果，才能保证手中同时拥有不同形状的“苹果味”与“桃子味”糖果？（即满足以下任一组合即可：① 圆形苹果味

deepseek/deepseek-v4.1-flash pi-commandcode-provider 帮我检查一下这个插件。看看为什么上面这个模型没有办法设置思考等级？ 你直接这样问它就行了呀。这种不需要你自己改，你叫 AI 改。

我刚刚也发现这个问题了，我直接让pi自己改一下就行了。``` "commandcode": { "modelOverrides": { "deepseek/deepseek-v4.1-flash": { "reasoning": true, "thinkingLevelMap": { "minimal": null, "low": null, "medium": null, "high": nul

我用的是pi, 安装一个插件就可以了 pi install npm:pi-commandcode-provider

我目前买了一个 Command Code Go 做测试。9 块钱可以用 10 刀的额度。

我觉得这个模型是真的斩杀线了, 速度快、聪明还便宜。

测试项目参考 

terminal bench 4.0 应该是目前最没法作弊的测试了。之前像 muse spark 在很多测试里面都很好，但是就这个测试很差。 DeepSeek 这个 Agent 能力太逆天了。

这都不是一个价格、同等参数量的模型，能到这种程度已经非常非常牛批了。

感觉很强呀，特别是 Terminal Bench 4.0 这个新的评分