DeepSeek新模型实测对比：日式都市集群生成谁更强？

DeepSeek 推出新检查点（内部称 1017 版 Flash）后，B站一位 UP 主第一时间做了横向对比测试：用同一个提示词让多个主流大模型生成「超大规模的日式现代都市集群」，再逐一比对成图质量与细节。结论很直接——新版 DeepSeek Flash 是这次测试里除 Opus 5.5 之外表现最好的模型，而多个竞品则出现了不同程度的翻车。

测试设计：一道复杂场景的「照妖镜」

测试提示词要求生成一个超大规模的日式现代都市集群，属于对空间布局、建筑密度、道路结构和行人车辆细节综合考验的任务。UP 主提到，DeepSeek^广告 Flash 在这一项上思考时间很长，整体耗时接近一小时，最后是催促它尽早交付才拿到结果。

这种「慢」本身值得注意：长思考意味着模型在生成前做了更多的结构规划，而这类复杂场景恰恰最怕模型「想得少、画得快」。对比之下，部分竞品出图快但成品完成度低，正好形成反差。

文中所说的「检查点」（checkpoint）是模型训练过程中的一个中间快照。大模型在训练时会定期保存权重状态，每个检查点代表模型在某一时刻的能力水平。厂商有时会在两次正式版本发布之间，用新检查点做小范围或灰度更新，因此同一个模型名称下的实际表现可能随检查点变化而波动。这也解释了为什么文中强调「1017 版」——它是区分新旧 DeepSeek Flash 的关键标识，而非一次完整的版本号升级。

「屏闪」通常指视频或逐帧生成类模型在连续帧之间出现亮度、纹理或结构的不稳定跳动，导致画面闪烁。它往往源于帧间一致性建模不足，在生成动态场景时尤为明显，是衡量视频生成质量的一个直观指标。

DeepSeek Flash 新检查点：惊艳但有瑕疵

新版 DeepSeek Flash 的成品被 UP 主评价为「非常惊艳」，画风效果没有明显毛病，街道和行人的处理都到位。唯一的疑点是路面上叠了一座立交桥，属于布局上的小 bug。

但 UP 主强调，这个瑕疵要放在对比语境里看——它是本次测试中除 Opus 5.5 外最强的结果。换句话说，小 bug 存在，但整体完成度和审美水准明显领先同场其他模型。

竞品横评：谁翻车了，谁稳住了

中游梯队：能看但不出彩

6.1 版模型生成的场景里几乎看不到行人和车辆，建筑之间差异很小，审美也不如新版 DeepSeek Flash 的 1017 检查点。Astra Pro 则出现屏闪问题，画风偏灰、观感不佳。

明显翻车：半成品与穿模

旧版 DeepSeek Flash（1017 之前）被直接判定为「去了」：车辆移动方式不对，整体布局不行，属于没做完的半成品。GLM 5.3 的问题更严重，不仅屏闪，列车还出现横移穿模，表现非常糟糕。

Kimi K3 的表现让 UP 主怀疑是近期降质，成品「完全去了」，直接跳过。千问 3.8 Flash 同样是半成品级别，没法看。谷歌 Gemini 4 的问题则是规模不对——生成的是复制粘贴式的小场景，根本算不上「独自集群」。

「穿模」是三维图形与生成式视觉中的常见术语，指两个本应分离的物体在空间上相互穿透、重叠，例如列车横向移动时直接穿过建筑或轨道。它暴露的是模型对物体空间位置和物理约束的理解不足——模型只学到了局部像素的合理外观，却没有建立起全局一致的三维结构关系。在复杂城市场景中，物体数量多、遮挡关系复杂，穿模和布局错位最容易集中出现。

稳住的选手

Opus 4.5 基本是满分答卷，UP 主评价「确实强大」。这也解释了为什么新版 DeepSeek Flash 的定位是「除 Opus 5.5 外最强」——它挤进了第一梯队，但没有完全追平最强的那一档。

这份测试说明了什么

单一提示词的测试当然不能代表模型全能，但复杂场景生成确实能暴露模型在空间推理和细节一致性上的差距。这次对比透露出两个信号：

一是 DeepSeek Flash 的新检查点在复杂布局任务上有实质提升，审美和完成度都上了一档；二是部分模型的「降质」疑云值得关注，Kimi K3 的表现被 UP 主直接归因于近期质量下滑，这类波动对依赖稳定输出的开发者影响不小。

需要提醒的是，以上结论来自单一 UP 主的单次测试，样本有限，且提示词、参数设置等细节未完全公开。想验证的话，最好自己用相同提示词跑一遍。UP 主也表示后续会做其他方面的测试。