DeepSeek-V4 Flash实测：成本仅Luna六分之一，性能达八成
开发者zainhas基于DeepSWE基准对DeepSeek-V4 Flash 0731与GPT-5.6 Luna进行了软件工程任务实测。核心结论是DeepSeek性价比极高：单任务成本仅$0.10，约为Luna($0.60)的1/6，准确率达Luna的80%(53.3% vs 67.2%)。通过并行多次尝试或与Luna级联的策略，DeepSeek可追平甚至超越Luna，同时大幅降低成本。该对比为开发者选择模型提供了重要参考，凸显了低成本模型在软件工程场景的潜力。
已确认
- 成本与准确率：DeepSeek每任务$0.10，Luna为$0.60，相差约5-6倍；准确率DeepSeek 53.3%，Luna 67.2%，Luna仅高约14个百分点。DeepSeek端到端耗时23分钟。
- 多次尝试效果：DeepSeek经济性允许并行多次尝试，2次尝试(pass@2)准确率81.6%(成本$0.20)，4次达90.3%；Luna相应为70.1%和80.5%。
- 级联策略：先用DeepSeek处理，验证失败时升级到Luna，准确率78.9%，成本$0.385，比Luna单模型(67.2%，$0.61)成本降37%(即Luna成本的63%)，准确率提升11.7%。
- 任务重叠：两者共同解决87个任务，Luna独解15个，DeepSeek独解仅4个，相关性0.50。
- 领域表现：Luna在7/8个领域胜出，在程序分析(69-33)、并发(70-38)、运行时内部(86-59)等难题上领先约30分；DeepSeek仅在查询与配置(78-70)上占优。DeepSeek在JavaScript上表现崩溃(35-60)，Python较弱(49-65)，Rust(55-60)和Go(62-79)尚可。
- 失败模式：DeepSeek回归破坏率9%，Luna为15%，DeepSeek失败更优雅，而价格更高的模型反而更需要回归测试来防护。
尚未确认
- 具体测试环境、任务集细节及模型版本信息未在帖子中完整披露。
为什么重要
该实测为开发者提供了明确的成本-性能权衡依据：在预算敏感场景下，DeepSeek-V4 Flash凭借极低成本和可接受的准确率成为高性价比选择；而通过多次尝试或级联策略，可在不显著增加成本的情况下达到甚至超越顶级模型。这有助于推动大模型在软件工程领域的更广泛应用。
2026-08-07 ~ 2026-08-08 · 14 条相关
- 第 1 集:DeepSeek V4 Flash实测：低成本高性能引发社区热议(2026-07-31,33 条)
- 第 2 集:DeepSeek V4-Flash 发布：Agent 能力跃升，开源且极致低价(2026-07-31,100 条)
- 第 3 集:DeepSeek V4 系列引热议：Flash 性能暴涨与 Pro 规模之争(2026-07-31,3 条)
- 第 4 集:DeepSeek V4 Flash登顶OpenRouter，成本仅为竞品百分之一(2026-08-03,14 条)
- 第 5 集:DeepSeek-V4-Flash发布并全面登陆各大平台(2026-08-06,4 条)
- 第 6 集:DeepSeek-V4 Flash实测：成本仅Luna六分之一，性能达八成(2026-08-07,14 条)
一手来源
- 实测DeepSeek-V4对比GPT-5.6：成本仅1/6，质量达80% — zainhas ·
- DeepSeek+验证器级联策略：成本降63%，准确率超Luna单模型 — zainhas ·
- DeepSeek多次尝试可追平Luna：pass@2成本仅$0.20 — zainhas ·
- 【源头】实测DeepSeek-V4对比GPT-5.6：成本仅1/6，质量达80% — zainhas · 2026-08-07
- Luna贵6倍但准确率仅高14点，DeepSeek性价比完胜 — zainhas · 2026-08-07
- DeepSeek每任务仅$0.10，比Luna便宜5倍 — zainhas · 2026-08-07
- 【源头】DeepSeek多次尝试可追平Luna：pass@2成本仅$0.20 — zainhas · 2026-08-07
- DeepSeek失败更优雅：回归破坏率9%，Luna达15% — zainhas · 2026-08-07
- Luna在7/8领域胜出，DeepSeek仅守住查询配置 — zainhas · 2026-08-07
- DeepSeek在JavaScript上表现崩溃，Rust和Go尚可 — zainhas · 2026-08-07
- DeepSeek与Luna任务重叠度高：Luna独解15题，DeepSeek仅4题 — zainhas · 2026-08-07
- 【源头】DeepSeek+验证器级联策略：成本降63%，准确率超Luna单模型 — zainhas · 2026-08-07
- DeepSeek+Luna 组合策略：成本降 37%、准确率提升 11.7% — zainhas · 2026-08-07
- DeepSeek-V4 Flash 软件工程实测：性能达 GPT-5.6 八成 — zainhas · 2026-08-07
- DeepSeek Flash 成本仅 GPT 5.6 Luna 六分之一，质量达 80% — pbaylies · 2026-08-07
- DeepSeek V4 编码性价比登顶：实测比 GPT 5.6 便宜 6 倍 — togethercompute · 2026-08-07
- DeepSeek级联方案实测：编码任务胜率超GPT-5.6且成本降37% — togethercompute · 2026-08-08