六款新模型同题实测:DeepSeek V4.1 Flash 两美分全过,最热 Flint 仅 1/5
latent_lurker8587 · reddit · 2026-10-31
Reddit 用户用 Atomic Agent 0.6.13(云模式、自动批准、经 OpenRouter 接入)对 10 月发布的 6 款热门模型做了同一组 5 个小编码任务实测,每个任务都埋了隐藏陷阱(YAML 覆盖、隐藏数据重跑统计脚本、slugify 修复、统计 ERROR 行数、近似函数旁的重命名),每任务限时 10 分钟、只跑一次。
结果:
- DeepSeek V4.1 Flash:5/5,单任务中位 14 秒,5 个任务共 $0.02
- Claude Haiku 5.5:5/5,最快(12 秒),$0.035
- Gemini 4 Argon:5/5,43 秒,$0.47
- Kimi K3.1 Pro:5/5,40 秒,$0.59
- GPT-6.1 Terra:5/5,18 秒,$0.65
- Recursive Flint(免费档):仅 1/5,YAML 任务耗时 8 分钟,其余超时或出错
要点:
- 大厂模型全部通过,但价格差约 30 倍:DeepSeek 同样全过只要 2 美分,还比 GPT-6.1 Terra 更快;Haiku 5.5 是另一个低调赢家。
- 被厂商宣称 SWE-bench Verified 74.2 分、社区热议的 Flint 表现拉胯,但作者注明其免费端点当天持续 503(「no upstreams available」),可能影响了成绩,复测也未能完成,欢迎本地部署者提供数据。
- 工程细节:每步保持 prompt 开头一致,使 79–83% 输入命中 prompt cache,是昂贵模型也能控制在 1 美元内的主因;逐步日志帮助区分「卡住」和「慢」。
作者强调样本小,只是初测而非最终排名。
「编程与Agent」频道最新
- 开发者一年打造 Limma MCP:结构化全量数据,宣称检索零遗漏 — FlimsyIngenuity7248 · 2026-10-31
- Agent 审计新思路：不看总结，让用户说出改了哪些文件跑过哪些测试 — ronbodkin · 2026-10-31
- FlowSense 推出 MCP:让 Claude Code 看懂并管控 Mac 的所有网络连接 — hani_q · 2026-10-31
- 开发者：coding agent 通知只在等待审批时才值得推送 — petrusenko_max · 2026-10-31
- OpenTargets 非官方 MCP 服务器上线，可查询基因-药物-疾病关联 — modelcontextprotocol · 2026-10-31
- zero-core-budget 连接器发布，为 Agent 提供预算与 ROI 追踪 — modelcontextprotocol · 2026-10-31