DeepSeek V4 Flash 登顶榜单但实测通过率仅 53.8%

TECHUB NEWS2026-08-16 21:14:01

Techub News 消息，DeepSeek V4 Flash 在 Composio 独立测试中表现不佳，仅完成 53.8% 的复杂代理任务。该测试覆盖 30 个多步骤工作流，涉及 Gmail、GitHub、Slack 等实际工具，共进行 240 次运行。结果显示，模型在不同智能体框架下的表现差异显著，其中 Pi Agent 完成 20 项任务，表现最佳。尽管该模型输入 token 定价低至 0.14 美元/百万，约为同类产品的十分之一，但高失败率可能带来额外的计算与调试成本。（CryptoBriefing）

本網站所提供的所有信息僅供參考之用。本網站不保證信息的準確性、有效性、及時性和完整性。任何依賴於本網站所提供信息的行爲，均由用戶自行承擔風險。