本期视频以全国计算机等级考试二级 MS Office 真题为测试基准,对 DeepSeek V4 Flash 与 Qwen3.8 Max 两款大模型进行了完整的实机评测。测试覆盖选择题作答及 Word、Excel、PPT 三个实操模块,平台按各操作任务的完成情况进行量化评分,及格线为60分。评分时算入了Token 效率,与真正的计算机二级考试评分稍微不同,但权重极低,大差不差,测试平台为Codex搭建,项目地址https://github.com/OBdangshang07/AgentBench