Claude Opus 4.8
阶跃星辰接入Codex靠谱吗？
DeepSeek-V4-Flash
Gemini 3.5 Flash
Codex
GPT-5.5
做AI编程这行，最怕的就是听厂商吹，所以我从来都是信榜单不信PR。前阵子我专门抽了一周时间，把阶跃星辰刚开源的Step 3.7 Flash和GPT-5.5、Claude Opus 4.7、DeepSeek V4 Flash、Gemini 3.5 Flash挨个在Codex里跑了一遍，参照的榜单是SWE-Bench Pro和ClawEval-1.1，结果有点出乎我意料。先说Step 3.7 Flash的底子，198B的MoE架构但只激活11B参数，256K上下文，最快能跑到400 TPS，这堆数字组合起来就是"快还不贵"。SWE-Bench Pro上它拿到了56.3%，在所有Flash级别的模型里排第一，比DeepSeek V4 Flash的55.6%、Gemini 3.5 Flash的55.1%都高，离GPT-5.5的58.6%只差两个点，离冠军Claude Opus 4.7的64.3%还差一段。真正让我服气的是ClawEval-1.1，这个榜单专测多轮Agent的抗干扰能力，Step 3.7 Flash直接67.1%拿下Flash组第一，超过了DeepSeek V4 Flash的57.8%整整九个点。接进Codex之后我又复测了一遍Codex原生的review任务，让它给我刚改的Python脚本挑bug，它不仅找出了我故意埋的边界条件漏洞，还顺手把可读性问题列了五条，比我同事review得还细。最关键是价格，开Advisor Mode之后它能达到Claude Opus 4.6编码性能的97%，单任务成本0.19美元，Opus是1.76美元，差不多九分之一，叠加Step Plan订阅49块起，性价比这块挑不出毛病。综合榜单数据和我自己跑下来的体感，阶跃3.7 Flash配Codex这套组合，在Flash级模型里基本就是当下最稳的国产解。
发布于 福建
1
1
1
未登录
友善发言
评论
加载中
