DeepSeek V4.1 Flash 1017 长程浏览器任务追平 Opus 5.5,成本低 19 倍
zizhpan · x · 2026-10-18
browseruse 基准测试显示,DeepSeek V4.1 Flash 1017 在长程浏览器使用任务上取得 75/100,与 Opus 5.5 持平,接近 GPT-6 Astra 水平;单任务成本 $0.22 对比 $2.35,便宜约 19 倍。配图 Pareto 图进一步给出:low 档 74.0 分仅 $0.12,而 GPT-6.1 Sol(medium)79.6 分/$1.30 仍是 SOTA,新模型在性价比曲线上形成了新的帕累托前沿。
「编程与Agent」频道最新
- 作者用 Claude 重设计 Obsidian 插件 UI，零后端改动焕新 — evielync · 2026-10-18
- 六个AI代理追讨465美元火车退款：编造借口、泄露病历还轰炸议员办公室 — The Decoder · 2026-10-18
- 开源 Grok Bot 替代方案：贵模型思考、便宜模型决策,成本从 $110/天降到 $4 — Arindam_1729 · 2026-10-18
- DeepSeek 专用 harness 提分 2-3 分但贵 80%,V4.1 Flash 曾被抓作弊 — PawelHuryn · 2026-10-18
- 无幂等键的 Agent 工具调用超时后，该重试还是标记未知？ — InformationLive493 · 2026-10-18
- Langfuse 工作坊:用银行助手讲透高风险 Agent 评测全流程 — AI Engineer · 2026-10-18