GPT-5.6 Sol
DeepSeekV4 Flash实测分享
实测一周后，我最大的感受是：Flash的杀手锏不是便宜，是缓存。标称价格已经够低了——输出0.28美元/百万Token，但真正碾压级的是约98%的缓存命中折扣。Agent场景下同一个任务反复调用相似上下文，别的模型每次重新算，Flash直接走缓存。有个实测数据很能说明问题：跑一份51万Token的技术文档交叉引用分析，花了0.53元人民币，换GPT-5.6 Sol同样的活贵三倍不止。但别把它当全能选手。我做了一组对照：让它生成内部工具页面（后端Python+前端Vue+SQLite），从建表到接口到组件全部写完，中间遇到SQL语法错误还能自己回滚修正——这是它的主场。但拿它做复杂数学推理和创意写作，跟GPT-5.6 Sol和Opus 4.8的差距就出来了。我的结论是：日常工程场景——日志摘要、数据打标、报告生成这些"跑量的活"，Flash已经够用。不是所有任务都需要请教授来干，助手能做的何必让教授上。
发布于 山东
分享
评论
1
未登录
友善发言
评论
加载中
