一手实测：DeepSeek V4.1 Flash 在两个 agent 任务上击败 Haiku 5.5
dergachoff · reddit · 2026-10-08
作者在自己的应用里用两个真实 agent 任务对比 Haiku 5.5 与 DeepSeek V4.1 Flash，结果 DeepSeek 全胜。
任务1：调研子 agent（4 个真实 brief，工具为 Exa/Brave 搜索 + 网页抓取 + 图像搜索）：
- Haiku low：1胜3负，480s，$0.09；medium：1/1/2；high：0/1/3，992s，$0.31
- DeepSeek low：3胜1负，721s，$0.35
- Haiku 更快、成本约 1/4，但有两个 brief 始终输：DeepSeek 找到了品牌官方规范页（含精确 HEX/Pantone 色值），Haiku 即使 high 档 60 次工具调用也没找到，只能从截图猜色。提升推理档位只让它搜得更多，不搜得更好。
- Haiku 唯一赢的 brief 是找论坛引语——只靠 Exa 摘要、从不打开页面，引用来源可信度存疑。
任务2：聊天标题生成（52 条消息，关闭推理）：DeepSeek 28 胜，Haiku 8 胜。速度相同（1.1s），Haiku 略便宜。Haiku 常见问题是把回答的第一句当标题，甚至一条 prompt injection 测试消息直接成了标题。
判定方法：Opus 盲评 A/B 双序，双序不一致算平局；作者承认 Claude 评 Claude 有同厂偏差，但 Opus 仍选了 DeepSeek。单次运行的小样本，仅代表作者自己的任务场景。
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)→
「编程与Agent」频道最新
- 用户吐槽 6x-Sol 质量差、Astra 半天烧完 $200 额度,转投 Claude Code — Late_Change5029 · 2026-10-08
- 一人公司用一个 Obsidian 库跑全部业务，AI 承担大半负担 — dSebastien · 2026-10-08
- 独立开发者 3 周实测:双 agent 驱动+审查工作流踩坑复盘 — Moist_Tonight_3997 · 2026-10-08
- Cognizant 拟招 1500 美国毕业生，用 Devin 助货运公司降本 37% — shashib · 2026-10-08
- Cisco 将 Claude Managed Agents 引入 Webex，并自建治理层 — shashib · 2026-10-08
- 开发者实测 6.1 Sol：设计 iOS 原生应用界面相当惊艳 — Dimillian · 2026-10-08