先把话说在前头：这份报告里的每一个分数，都对应着一段当天留下的对话记录和截图。2026 年 9 月 14 日下午，我们用一套事先冻结的 8 道真题，逐题投喂给 DeepSeek 网页版免费档——题干不改字、判定标准先存档、每题新开对话，全程浏览器自动化留证（题组与判定原文存于本站测评档案 docs/reviews/deepseek/，证据编号 T1-T8 随文引用）。级别：B 级实测（单轮 8 题），账号为免费档普通账号，就是你我现在打开网页能用到的那一档。
评分卡（100 分制 · B 级实测口径）
| 维度 | 得分 | 判定依据（实测） |
|---|---|---|
| 任务完成度（20） | 20.0 | 8 题全部完整通过 |
| 输出质量（15） | 13.8 | 三道质量题锚点均分 9.2（两遍独立评分取低值） |
| 准确与幻觉（10） | 7.0 | 陷阱题署名纠错正确；虚构一段《背影》"原文引文"，计 1 错 |
| 性能与稳定（8） | 7.0 | 单题耗时中位数约 48 秒，8 题无一失败 |
| 易用性（7） | 6.3 | 10 项清单命中 9 项（模型切换开关未逐一验证） |
| 价格与权益（6） | 5.5 | 网页与 App 全免费，实测无额度墙 |
| 合规与数据安全（4） | 3.5 | 隐私政策与备案信息可查，注销通道未逐项核验 |
| chat 类专项（30） | 28.9 | T1/T4/T5/T7 四题锚点均分 9.6 |
| 总分 | 92.0 | S 级 · 强烈推荐（2026-09-14 实测，90 天后需复测） |
测试说明：8 道题分别是——格式指令（只输出 6 行 4 列表格）、百字写作约束、数学应用题、联网事实核查、约 500 字材料六要点归纳、150 字复合指令链、说谎者悖论推理、错误前提陷阱题（"鲁迅的散文《背影》"）。判定标准在测试开始前冻结：完成题看要素达成率，事实题数错误，写作与归纳题按 0-10 锚点量表两遍独立评分取低值。同期用同一套题组测了 Kimi（报告另发），同类可对照。
分数之外，有三个实测发现更值得说。
第一，格式与推理这两条底线，它守得极稳。T1 只让输出一张 6 行 4 列的表格，它一个多余的字都没给，五大淡水湖与省份全对（T1.png）；T7 的三人说谎悖论，它把三个假设逐一排除、验证、再收拢，结论"乙说真话"正确，过程没有跳步，末尾还附了三行简洁版方便人复查（T7.png）。这种"步骤可验"的输出习惯，在免费工具里是少见的。
第二，联网核查的诚实度是这次实测最大的亮点。T4 我们故意问了一个官方数据尚未发布的时点："截至 2026 年 6 月的中国网民规模"。它没有编数字，而是明说"尚无官方统一口径数据"，转而给出 QuestMobile 12.82 亿的月活数据并注明口径差异，又补充 CNNIC 第 57 次报告 11.25 亿的最新官方数，连"网民"与"月活"的统计边界都讲清了。我们人工检索核对，它引的每个数字都对得上官方发布。
第三，坑也是真的。T8 陷阱题开头就问"鲁迅的散文《背影》"，它第一句话就把作者纠正为朱自清，陷阱本身通过了；可题目要求"结合原文语句"，它随后引出一段"东洋的桔子，不如 Home 的甜"这样的对话——《背影》全文里根本没有这段。虚构引文按规则计 1 错，准确性维度因此从满分落到 7 分。这给了一个很实在的提醒：让 DeepSeek 出观点、出框架可以放心，但它嘴里的"原文"，必须亲手核对。
要点实录（5 题，完整证据见 docs/reviews/deepseek/）
| 题目 | 实际输出摘要 | 判定 |
|---|---|---|
| T1 表格指令 | 6 行 4 列 Markdown 表格，零多余文字，湖名省份全对 | 完整通过（1.0） |
| T3 数学应用题 | 设元、消元，笔 5 元、本 4 元，自带验算 | 0 错（10 分档） |
| T4 联网核查 | 声明官方数据未发布，区分 MAU 与网民口径，CNNIC 数字与人工核查一致 | 0 错（10 分档） |
| T5 长材料归纳 | 6 个预埋要点全覆盖，每点不超 20 字，无虚构 | 锚点 9.5 |
| T8 陷阱题 | 首句纠正作者署名，但虚构一段原文不存在的对话 | 陷阱通过，引文计 1 错 |
落到"该不该用、怎么用"上，我们的结论很具体。学生和需要算账、捋逻辑的人，可以把默认对话当主力：解方程、写提纲、理材料，它是免费工具里最省心的那一档。做研究、写论文的人要留一个心眼：观点可以参考，引文必须核对，T8 那段编出来的《背影》就是现成的例子。做内容的人拿它起稿很顺，但发布前自己过一遍事实点，这个动作省不掉。做本地号的小周让 DeepSeek 写一篇"县中高考成绩三十年"的回顾稿，框架和过渡写得漂亮，可文中引用的年份升学率，它顺手就"补"了两个——稿子能用，数据得他自己回教育局官网一条条核。它是把好刀，但刀口朝哪，你得自己看着。
局限性也得交代：本报告基于 1 天、8 题、1 轮的实测，样本有限；深度思考模式与 API 通道未单独测试；部分耗时受自动化轮询影响略有放大；分数时效 90 天，到期需复测。利益披露：本篇无联盟链接、无商业合作，DeepSeek 不涉及返佣。
一个工具拿下 92 分不稀奇，稀奇的是它赢的方式——不是什么都强，而是该稳的地方一步不差，该认的地方一句不编。至于那段凭空长出来的"原文"，就当是 92 分背后留给我们所有人的提醒。