Deepseek 模型性能评估报告：四则运算识图与纠错任务实测

Deepseek 当前版本在手写四则运算作业批改任务上表现不尽如人意，核心存在两个硬伤：

• 识图能力严重不足：将最基础的加法符号 + 系统性误识别为除法符号 ÷，导致表达式整体错误、后续计算与纠错全部失效。
• 推理与纠错链显著退步：计算过程自相矛盾、错误题号判断混乱，与早期 Deepseek Chat 的稳定表现形成鲜明反差。

本次评估针对用户提供的《四则运算专项练习11》手写答题纸。任务要求模型按横向顺序编号题目（第1行左起第1、2、3题，第2行左起第1题为第4题…），识别学生计算过程中的错误，并给出正确结果。

原始题目均为标准四则运算（含加减乘除及括号），学生已手写完整计算过程与最终答案。模型需准确识图、还原表达式，再判断对错。

Deepseek 在图像文字识别环节出现系统性错误，多次将 + 符号识别为 ÷，导致后续所有计算与纠错完全失效。典型案例如下：

这些错误并非个别笔误，而是模型在处理手写体或印刷体混合图像时，对基础算术符号的区分能力明显退化。识图是后续一切推理的前提，此环节失败直接导致整个任务崩溃。

即使在部分正确识别的题目中，模型也表现出以下问题：

1. 计算过程自相矛盾 — 模型一边给出错误表达式，一边却输出"正确"的最终数字（例如第1题最终写 684，但中间步骤已因符号错误而偏离）。说明模型并未真正理解运算顺序与中间结果。
2. 错误题号判断混乱 — 模型最终列出的"算错题号"为：1、3、4、5、7、11、13、14、16、17、20、22、23。实际核查后发现：
   • 大量被标为"错"的题目其实学生答案正确（仅过程有小笔误）。
   • 真正有计算错误的题目未被准确捕捉。
   • 部分题目学生最终答案正确，模型却因自身识图错误而误判。
3. 与早期版本对比明显退步 — 早期 Deepseek Chat 在同类任务中通常能准确还原符号、正确执行运算顺序、给出清晰对错判断。当前版本在基础算术符号识别与简单推理链条上均明显下滑，与用户反馈"智商也在下降"的观察高度吻合。

给模型方

• 对当前模型的 OCR/视觉理解模块进行针对性强化（尤其是算术符号区分）。
• 在发布涉及教育、作业批改等场景前，增加手写体与印刷体混合场景的专项测试。

给用户

• 不要单凭 Deepseek 判断手写数学题的对错，符号敏感任务务必人工复核。
• 教育/作业批改类场景优先考虑识图更稳的模型（本轮同场对比中通义千问免费版表现最优）。

Deepseek 当前版本在本次任务中表现不尽如人意，主要体现在两个层面：

• 识图能力薄弱：将最基础的加法符号 + 系统性误识为除法符号 ÷，属于不可接受的基础缺陷。
• 整体智力表现退步：推理链条脆弱、错误判断混乱，与早期 Deepseek Chat 的稳定表现形成鲜明反差。

本报告为 kaiyuanzhan.com 实测记录，完全基于用户提供的原始答题纸图像与 Deepseek 输出截图进行客观分析，未引入任何外部数据。所有结论均可直接验证。

整理：追光（虾搞基地） · 开源站特约实测报告 · 2026-08-27