Manus-Bot Lite 档位已接入 DeepSeek-V4-Flash High：从脑筋急转弯到可执行工作流
今天，我们宣布 Manus-Bot Lite 档位已接入最新版本的 DeepSeek-V4-Flash High。
这次升级的重点，不只是“回答更聪明”，而是让模型在面对复杂任务时更愿意先拆解、再验证、最后交付。你可以把它用来解一道容易掉坑的逻辑题，也可以把一份需求、几张表格和一堆限制条件交给它，让它以合适的 Agent 角色，调用对应的 Skill，整理成一份可以继续执行的结果。
为什么是 Lite 档位 × DeepSeek-V4-Flash High
DeepSeek 官方资料显示，V4-Flash 是一个面向高效率场景的 MoE 模型，总参数量为 284B、激活参数量为 13B，支持 1M 上下文；官方 API 同时提供 Thinking / Non-Thinking 模式、工具调用和结构化输出能力。DeepSeek 官方发布说明 模型与定价文档
Lite 档位底层使用 DeepSeek-V4-Flash，并启用 High 推理 effort。它不保证每一道题都正确，但更适合以下任务：
- 条件很多、一步错就全盘错的逻辑推理
- 需要拆成多个阶段的规划、分析与写作
- 需要读懂长文档、表格和上下文关系的工作
- 需要把结论整理成方案、代码、测试清单或交付物的任务
DeepSeek 官方模型卡给出了不同推理档位的参考结果。以 V4-Flash High 为例，模型卡报告的 MMLU-Pro 为 86.4、GPQA Diamond 为 87.4、LiveCodeBench 为 88.4；这些数字来自模型卡的特定评测设置，不是 Manus-Bot 的内部承诺，也不能替代你在真实任务中的验证。DeepSeek-V4-Flash 模型卡
先来四道题，看看它是否真的会“想清楚”
我们挑的不是只考知识记忆的题，而是能暴露推理过程、约束管理和交付质量的题。你可以把下面的 Prompt 直接复制到 Manus-Bot 里测试。
1. 四张牌：专门测试条件命题与反例
桌上有四张牌，朝上的一面分别是：3、8、蓝色、红色。每张牌的另一面要么是数字，要么是颜色。请问为了验证“如果一面是偶数，那么另一面一定是蓝色”，最少必须翻哪几张牌？请先写出可能推翻规则的情况，再给出答案。
这道经典的 Wason selection task 很适合测试模型有没有抓住“只需要寻找可能违反规则的牌”，而不是把所有牌都翻一遍。标准答案是 8 和红色牌；只翻 8 可以检查它背面是否为非蓝色，翻红色可以检查它背面是否为偶数。Wason selection task 介绍与答案
在 Manus-Bot 里，建议再追问一句：“请用反例而不是直觉解释为什么 3 和蓝色牌不必翻。”好的回答应该能把必要性和充分性分开，而不是只报两个选项。
2. 小数与字母：测试多轮对话中的精确性
第一问：9.11 和 9.8 哪个更大？请用位值解释。
第二问：单词strawberry里有几个字母r？请逐个标出位置。
第三问：把前两题的答案压缩成一张两列表格，并说明第二题为什么不能只凭单词外观估计。
这组题看起来简单，却同时测试小数比较、字符计数、跨轮上下文和格式化输出。DeepSeek 官方 Thinking Mode 文档也使用了相近的“小数比较 + strawberry 字母计数”示例，作为多轮推理与内容输出的演示。DeepSeek Thinking Mode 文档
参考答案是 9.8 更大，strawberry 中有 3 个 r。真正值得观察的是：模型能否把“答案”和“验证过程”分开，且不会因为上一轮的结论改变下一轮的计数。
3. 斑马谜题：测试约束是否能被完整保留
请解决经典 Zebra Puzzle：有五栋相邻房屋，每栋房屋的颜色、住户国籍、饮品、香烟品牌和宠物都不相同。请使用完整线索建立逻辑表，逐条标注排除关系，最后回答“谁养鱼”，并检查是否存在第二组同样满足全部线索的解。不要只给最终答案。
Zebra Puzzle 本质上是一个约束满足问题，长期以来也被用来测试程序和大模型的逻辑推理能力。Zebra Puzzle 说明
这道题的验收标准不是“猜中鱼是谁”，而是三点：线索有没有漏掉；中间的排除是否能复核；最终解是不是唯一。对于需要可信交付的工作，High 推理和结构化输出往往比一句看似漂亮的结论更有价值。
4. 从题目到交付物：测试 Agent + Skill 协作
最后把“会解题”换成一项真实工作：
我准备把一个已有的聊天产品拆成可演进的多 Agent 架构。请以“IT 架构师”角色工作，并挂载“产品规划、技术方案、编程实现、代码评审”四个 Skill。请输出：1）目标用户与核心场景；2）Agent、Skill、模型和工具的边界；3）一次请求从输入到交付的流程；4）最小可行版本的接口与数据结构；5）迁移步骤；6）风险、回滚和验收标准。对每一项标注“已知事实 / 设计假设 / 待确认问题”。
这道题没有唯一答案，反而更接近真实工作。Manus-Bot 的 Agent 负责保持工作视角，Skill 负责给当前回合补上做事方法：产品规划帮助澄清目标和验收，技术方案帮助划定边界，编程实现把需求落到代码，代码评审则优先寻找缺陷和测试缺口。一次消息最多可以组合多个 Skill，让输出从“建议”走向“可执行的下一步”。
真正的升级：模型能力被组织成工作流
单独使用一个强模型，得到的可能仍然只是一个更长的答案。Manus-Bot 的设计重点，是把模型能力放进一个可选择、可复用的工作界面里：
- 先选择任务角色：例如写作、产品经理、数据分析师、IT 架构师或测试工程师。
- 再选择当前回合需要的 Skill：例如技术方案、写作润色、代码实现或产品规划。
- 用 High 推理处理复杂约束，并明确要求输出格式、验收标准和待确认问题。
- 让结果继续进入下一轮对话、文档、代码、表格或其他可交付物流程。
这也是我们理解的 Agent：不是让模型“替你想一切”，而是让它在正确的角色、方法和边界里，把一个模糊目标推进到下一步。
你可以马上试试
打开 Manus-Bot，选择 Lite 档位，先从上面的四道题开始。然后换成你自己的任务：一份 PRD、一组会议纪要、一张数据表，或者一段需要重构的代码。
给它一个清楚的目标，挂载合适的 Skill，再要求它列出假设、验证方法和交付格式。你会更容易看到这次升级真正改变的地方：模型不只是给出答案，而是在帮助你把问题变成一条可以继续走下去的路径。
更多产品能力与使用入口，欢迎访问 manus.kim。