小型实测：DeepSeek V4.1 Flash 击败 Haiku 5.5，研究子代理与标题双胜
dergachoff · reddit · 2026-10-08
一位 GPU 贫民开发者（M2 Max 32GB）在自己应用的两个小任务上实测 Haiku 5.5 能否替代 DeepSeek V4.1 Flash，结论是替代不了。
任务一：研究子代理（搜网页、读页面、写带来源报告，双方同配 Exa+Brave 搜索工具）：
- Haiku low：对 DeepSeek 1胜3负，480s/$0.09
- Haiku medium：1胜1平2负，555s/$0.12
- Haiku high：0胜1平3负，992s/$0.31
- DeepSeek low：721s/$0.35
Haiku 更快更便宜（low 档便宜 4 倍），但同样的两个 brief 每次都输：其中一个需要找到品牌官方 guideline 页面的精确 HEX/Pantone 色值，DeepSeek 找到了，Haiku 即使 high 档跑 60 次工具调用也没找到，只能靠截图猜色。Haiku 唯一赢的 brief 是找论坛真实引语——但它只看 Exa 摘要从不开页面，来源可信度存疑。
任务二：聊天标题（52 条消息、关推理）：DeepSeek 28 胜、Haiku 8 胜、9 平、7 相同，速度同为 1.1s。Haiku 的问题是常把标题写成回答的第一句，甚至一条 prompt injection 测试消息直接成了标题。
评测方法：Opus 盲评 A/B 双序，双序不一致记平局；作者承认 Claude 评 Claude 有同门偏差，但即便如此仍判 DeepSeek 胜。每组只跑一次，属个人测试非实验室级基准。
所属事件:开发者实测：DeepSeek V4.1 Flash 在 agent 任务中击败 Haiku 5.5(2 条相关)→
「模型」频道最新
- Polymarket 上线 Gemini Argon 发布时间赌盘,谷歌新模型再爆线索 — Polymarket · 2026-10-08
- 本地模型已死?博主「 repenting 」:混合智能才是 AI 部署的正道 — TheOyinbooke · 2026-10-08
- 用户实测：Chat 模式下 GPT-6 自称「GPT 5.6 Sol」 — Super_Pattern6594 · 2026-10-08
- Sebastian Raschka 长文:从词袋到 Jev,文本分类模型演进全解析 — AxSaucedo · 2026-10-08
- 开发者自测「夜火车基准」：GPT-6 Luna 比 Haiku 5.5 快 5 倍还便宜三分之二 — RexDouglass · 2026-10-08
- 开源权重会永远免费吗:领先时闭源收费才是理性选择 — Atlan_ · 2026-10-08