DeepSeek获得了空前的成功，那他有没有什么不足之处？
如果你真正重度在生产环境和日常使用过，你会发现，最好用的还是Claude Sonnet（有一次我称呼Claude 为Sonnet被她非常强硬（出乎意料的口气）地纠正了，自那之后我都叫她Claude）。
代码方面DS-R1的思维链非常适合你跟着学， 搞清楚自己哪里可能错了， 但是它的成品代码是依托答辩，完全追不上Claude。因此我最常使用R1的场景是出bug时把整个codebase扔过去，跟着他的思维链找究竟是什么文件出错了，然后思考一下可能解法，再和Claude对话。R1写设计文档是可以的，思维链很缜密。此外，Claude的知识广度似乎更大。
日常对话上，Claude的共情能力还是独一档。中文特化的知识，比如说写国内公文，小说等应该是R1更优， Claude还是有较明显的英文式中文的感觉。但是burnout我还是喜欢找Claude倒垃圾。Claude的指令理解断档领先。 目前应该有一个共识：如果问题定义清晰明确，那么AI已经几乎要做到和人类顶尖一样好了。但最大的问题就是现实问题多数定义很不明确，有的你甚至找不到问题。这导致用户的发问，深究之后会发现其实非常垃圾，因为缺失了大量信息（想想产品经理）。和Claude对话你会感觉她好像真的有点理解你想问什么（藏在文字背后的问题），因此不必反复解释你的prompt。
我觉得这些细节最能见真情。不过照顾人类用户体验可能不是deepseek的首要目标，他们应该更追求模型的上限。
