同模型双 Agent 对比：45/50 分胜 43/50，耗时与成本均接近

donk8r · reddit · 2026-08-22

博主在相同条件下（deepseek-v4-flash 模型、相同提示词、无网络环境）对两个开源编码 Agent（Octomind 对比竞品）进行了 50 个任务的基准测试。结果显示：准确率分别为 45/50 和 43/50，评委平均分 88.6 对比 85.6，成本几乎相同（$1.59 对 $1.53）。虽然平均耗时 Octomind 略慢，但中位数更快（5.5 分钟 vs 7.0 分钟），且在 31 个案例中胜出。平均耗时差距主要源于一个极端案例，暴露了 Octomind 的无进度检测缺陷。