DeepSeek V4 Pro vs GPT-5.3 Codex High：代码能力对比实测

随着AI编程助手在开发者日常工作中的应用日益普及，各家模型在代码生成能力上的竞争也日趋激烈。近期，业界对DeepSeek V4 Pro与OpenAI GPT-5.3 Codex High进行了全面对比测试，旨在评估这两款主流AI编程模型在真实开发场景中的实际表现差异。

第一轮：LRU Cache算法题测试

本次测试采用了两轮递进的评估方法：第一轮侧重基础算法能力，考察模型对数据结构与边界条件的处理；第二轮则聚焦真实工程场景，评估模型完成完整CLI工具开发的能力。评估采用GPT-5.5 Thinking模型进行打分，确保评判的客观性。

第二轮：Markdown CLI工具工程测试

首轮测试要求两者用TypeScript实现LRU Cache，重点考察get/put操作的O(1)复杂度、边界处理（如capacity为0的情况）及TypeScript类型设计。DeepSeek V4 Pro第一版即采用标准的Map+双向链表方案，获得了8.2分；GPT-5.3 Codex High则获得7.8分。经过多轮追问优化后，两者得分分别提升至9.0和8.6分。 DeepSeek V4 Pro的亮点在于其第一反应非常标准，直接给出了算法面试中最正统的答案。它能逐步升级为工程版本，支持泛型key/value、capacity校验、增加size/clear/has等API，并补全了Vitest测试。其设计甚至将哨兵节点与真实数据节点分离，使类型建模更加干净。 GPT-5.3 Codex High同样采用双向链表，并逐步演进为.circular sentinel设计。它解决了undefined值的命中歧义问题，通过返回{hit: true, value}或{hit: false}来严格区分。虽然最终工程完整度略逊于DeepSeek，但整体表现也已达到工程级水准。

GPT-5.3 Codex High的工程表现

第二轮测试升级为真实工程任务：实现一个本地Markdown文章分析CLI工具（md-inspector），需要递归扫描目录下所有Markdown文件并输出质量报告。该任务涵盖文件扫描、Markdown解析、报告组装、CLI入口、测试等完整工程链路。 GPT-5.3 Codex High在此轮表现最为亮眼，最终获得8.7分。它先清晰列出假设（如wordCount排除fenced code block、路径统一为POSIX风格等），再制定实现计划，最后完成模块拆分。其项目结构清晰，包含10个Vitest测试覆盖空目录、不存在目录、无H1、多H1、代码块排除、读取失败warning等场景。 最关键的是，它通过了tsc类型检查，且对不存在目录输出了JSON warning而非直接崩溃——这说明它不仅是写了能跑的代码，而是达到了真实工程交付标准。

DeepSeek V4 Pro的表现与不足

DeepSeek V4 Pro在第二轮获得8.0分。它同样完成了合理的项目结构，测试覆盖甚至更广（14个测试用例），包括中英文数字混合计数、纯数字串计数等边界场景。它也给出了具体的运行方式和自我审查清单，列出了嵌套括号链接解析不完美、URL会被计入字数等潜在问题。 然而，DeepSeek V4 Pro暴露了几个明显的工程收尾问题：首先，npm test通过但npx tsc --noEmit失败，原因是缺少@types/node类型定义，这对于TypeScript CLI项目是明显扣分项；其次，不符合题目要求的错误处理语义（题目要求错误进入JSON warnings，实际实现是直接stderr加exit）；此外，扫描阶段失败的局部容错和CLI层真实命令行行为测试都不够充分。

如有侵权，请联系删除。