【DeepSeek V4不缺智商，缺的是一套“工作流管理”】DeepSeek V4-Flash和Pro版本虽然基础能力强悍，但在实际复杂任务中常出现“能力实现损失”。开发者Tiger发布报告显示，通过J-Space插件在不修改模型权重的前提下，利用工作空间加载、推理结构控制和持久账本等机制，能显著提升模型表现。在HLE和DeepSWE等多项测试中，加装J-Space的DeepSeek V4表现甚至超过了Fable 5等强闭源模型。这揭示了DeepSeek对接口条件和思维链路径的高度敏感性。这件事的核心在于，大模型的表现并不只取决于参数量，还取决于它如何被“引导”去调用已有的能力。DeepSeek存在一种“思维链二极管”现象，即微小的提示词变化会导致推理轨迹的剧烈跳变。J-Space的价值不是把弱模型变强，而是为强模型提供了一套稳定的运行协议，解决了长程任务中的状态漂移和验证不足。与其迷信模型规模，不如关注如何通过工程手段减少推理时的控制损失，让AI从“能思考”变成“能干活”。 repo: Tiger3807861189/DeepSeek-V4-J-Space-Capability-Realization-Report