DeepSeek V4 Flash 登頂榜單但實測通過率僅 53.8%

Techub News 消息，DeepSeek V4 Flash 在 Composio 獨立測試中表現不佳，僅完成 53.8% 的復雜代理任務。 該測試覆蓋 30 個多步驟工作流，涉及 Gmail、GitHub、Slack 等實際工具，共進行 240 次運行。結果顯示，模型在不同智能體框架下的表現差異顯著，其中 Pi Agent 完成 20 項任務，表現最佳。盡管該模型輸入 token 定價低至 0.14 美元/百萬，約為同類産品的十分之一，但高失敗率可能帶來額外的計算與調試成本。（CryptoBriefing）

内容來源：TECHUB NEWS