J-Space Skill宣称让DeepSeek V4 Pro超越Fable 5？社区复测结果相反

事件概述

J-Space Cognition Suite V3.6 是一套“模型无关”的推理时控制方案，不修改模型权重、不要求微调，而是以 Skill 形式接入 Agent 运行环境。其作者宣称，接入后 DeepSeek V4 Pro 在多个基准上大幅提升，部分成绩超过 Fable 5，速度和 Token 效率也能提高两倍以上。

方案试图解决 Agent 常见的四类失控问题：工作集过载、表征漂移、无效重试和过早完成。它通过限制工作区活跃内容，并将关键目标、已验证信息、未解决问题和下一步操作写入外部账本，让模型在长程任务中不偏离目标。

宣称与复测数据

• 报告宣称：V4 Pro 的 Terminal Bench 从 87.9 提高到 90.1，NL2Repo 从 61.5 跃升至 73.4，DeepSWE 从 62.7 提高到 72.0；在部分 Agent 与编程基准上超过 Fable 5 和 Opus 4.8。
• 社区复测（Issue#10）：开发者使用 V4 Flash 进行两轮 A/B 测试，覆盖数学推理、代码生成、仓库开发和中断恢复。第二轮中两组各运行 3 次，最终任务完成度无明显差异，但 J-Space 组资源消耗更多；第三方盲评中，对照组平均得分 8.30，J-Space 组仅 7.87。
• 更实锤的复测（Issue#26）：用户用 8 张 NVIDIA H20 部署 V4 Flash，并通过 DeepSeek Harness Standard 模式加载 J-Space，89 道题通过 69 道，得分 77.5%，而报告对应成绩为 87.1%。失败任务重跑至少 3 次仍未提升。
• 有开发者称自己此前发布的质疑 Issue 被作者删除，只能重新发帖备份；作者始终未公开完整评测环境、测试流程和样本输出。

背后背景

J-Space 之所以有迷惑性，在于它踩中了 DeepSeek V4 Pro 的真实痛点——对外部运行环境过于敏感。同一模型在 DeepSeek Harness 的 Standard、PTC、Minimal 模式下，同一任务得分可从 91～92 分变化到 96～99 分，外部环境可带来接近 8 分的差距。

社区也已出现针对性方案：Routing Suite 根据任务类型选择推理模式，Anchored Standard 则先以简短提示和少量工具让 V4 Pro 进入稳定轨迹，再开放完整工具能力。

值得关注

能被复现的提升才叫提升。本次事件提醒，面对“一个插件让模型能力大幅跃升”的结论，应重点核查评测环境、运行日志和完整过程的公开程度，而非被孤立数字说服。