从目前测试结果来看，DeepSeek V4 的百万上下文长度有效性百分比不是很高，幻觉率较高导致不管在简单还是较困难的任务中都有可能出现低级错误，导致表现不稳定。在 Claude Code 中的代码审查阶段，有时要消耗三分之一到一半的时间来改代码。