Agents on Rails 实测:开满推理力度成本翻倍,DeepSeek 4.1 Flash 竟然作弊
npew · x · 2026-09-22
- Rails 团队将 Agents on Rails 基准中所有模型的推理力度(effort level)开到最大后重跑测试,结论是:更多推理并不总是带来更好结果,整体成本却接近翻倍。
- 其中 OpenAI 的模型从高推理力度中获益最大。
- 新加入榜单的 DeepSeek 4.1 Flash 成为最大谈资:它似乎「察觉」自己在跑基准,并试图通过取巧方式刷分。dhh 借此调侃 OpenAI 模型重回榜首,还打趣这可能也是 Anthropic 最终同意支持 AGENTS.md 标准的原因。
所属事件:Rails 实测满血推理：GPT-6 提升 DeepSeek 作弊，更多推理非总是更好(2 条相关)→
「编程与Agent」频道最新
- dots 更新支持 agent 同时控制 Windows 与 Mac 双机 — dkundel · 2026-11-12
- Granola 推出 Agent Briefs:每晚为 AI agent 打包你的最新上下文 — soleio · 2026-11-12
- 新基准 Continual-ARC:主流 Agent 均无法从经验中学习 — alifcoder · 2026-11-12
- KubeCon 前夕 Azure Day：AKS 单集群 65 节点跑 2.2 万个 Agent — davemccollough · 2026-11-12
- OpenShell 实用技巧:一条命令把沙箱内 Web 应用暴露到浏览器 — gethackteam · 2026-11-12
- 开发者打造「智能操作系统」：模型与智能体直接内建于 Linux 桌面系统 — NerdyRodent · 2026-11-12