DeepSeekV4 Flash实测分享
DeepSeek V4 Flash的DeepSWE得分暴涨640%，综合智能体分25.2逼近Claude Opus 4.8。但企业实测反馈很分裂——非Agent任务"价格真便宜"，长流程Agent任务"基本没法用"。原因很直接：多步Agent任务里一个小错会逐步累积，最终整体崩掉。跑分测试每个任务都是干净的、独立的，而真实业务是几百步串起来的链路。Flash的定位应该是"智力批发价"——适合允许试错、可以重跑的场景。整库检索、财报分析这种偶尔出错也无所谓的活，它确实划算。但别拿它当全流程Agent的主力，小错累积这件事跑分体现不出来。
发布于 江西
分享
评论
赞
未登录
友善发言
评论
加载中
