有一说一， DeepSeek V4.1 跑分还行，但实测还是和 Astra 有巨大差距

[baicai321]

今天用了下 DeepSeek V4.1 Flash ，快是真 TM 的快，一直稳定接近 300tok/s ，但在做复杂任务的时候，是真的蠢啊，尤其是和 Astra 比

我今天主要是拿它们来进行一些老手游的反编译和修改（都是已下线的游戏），这个任务其实很麻烦，会遇到各种各样的难题需要模型去解决，DeepSeek 全程疯狂输出 Token ，然后遇到难题就想方案 -> 改代码 -> 问题还在 -> 换方案，一直在重复这样的循环，就 TM 跟鬼打墙一样，关键是这个逼速度还飞快，所以你就看到它疯狂的吐 Token ，疯狂的换方案，最后狂奔 40 多分钟问题没解决，完事还把之前的一个已经破解的模块改坏了

实在受不了于是换了 Astra High ，Codex 不会展示完整的思维链，tok/s 相比于 DeepSeek 也慢不少，所以对比之下 Astra 就像一个慢吞吞的老头，不紧不慢的，但它是真的稳啊，任何问题遇到后基本两轮之内必能找到正确的方案，然后修复，同样的时间内 DeepSeek 可能已经尝试了 10 个方案了。连续几次都是这样，DeepSeek 疯狂穷举方案反复横跳最后无果，换 Astra 1-2 轮解决

感觉高难任务上国模差距还是非常明显，虽然 Token 速度拉上来了但体验是真的差

[milkleeeeee]

道理我都懂，但是这俩模型价格差了几十倍是怎么能拿来进行比较的

[royzxq]

道理我都懂，但您不看看 ds v4.1 什么价格，astra 什么价格？

[baicai321]

@milkleeeeee 问题就是，我事后算了下，在这个任务，两者的花费并没有差几十倍，可以说一个数量级，DeepSeek 跑了一个小时没有解决，API 花了 15 块，Astra 用了 3%的周额度，相当于 3 美刀，20 块钱

[sampeng]

国产模型现在就是一个主打疯狂思考，然后啥又没干

[baicai321]

@baicai321 算错了，100 美刀是月付，3%周额度还没有 3 美刀，这么看 Astra 其实更便宜。。。

[milkleeeeee]

@baicai321 你这就好比拿刚毕业的大学生和已经有 10 年工作经验的资深工程师做对比，大学生要花一个月还做不好，花费一个月工资 3000 ，然后你 1500 外包给资深工程师他做的又快又好。于是你得出结论：大学生和资深工程师有巨大差距

[fighterhit]

你多教教 ds 嘛

[mushuanl]

但是 deepseek 还是能干活，特别是 gpt 额度不够的时候。
还有一点是 gpt 怀疑在套代码和思路，我一次下午发现用了十几个 G 流量，联系到最近一直又是额度复位又是 pro 限制等等，就是鼓励大家多用不同想法的人用，这跟以前一直先搞一波营销，然后动不动降智很不一样。

怀疑他们的模型能够抽取大家思维，或是他们的记忆模块有了新进步，可以快速检索记忆。或是根据这些信息进行下一步训练。

[icyalala]

@milkleeeeee 那这结论没错啊...

[tgfbeta]

就是贝吉塔和孙悟空啊

[zed1018]

@milkleeeeee #5 那这结论哪里错了呢？

[413420]

@milkleeeeee 有...什么问题？不知道在激动什么

[ybybwdwd]

你拿一个 500 多 B 的模型和不知道几个 t 的模型比啥。。。

[jacketma]

中学生做高数，题没看懂，打字快没有用啊

[extrem]

特别复杂的，特别需要自主探索，多步推理的这种涉及多个目标任务是不能放任小模型去做的，多步骤执行时他会陷入局部最优盆地里去

但是如果你给出足够的信息，定向完成某个具体任务那么他就能做的很好，其实大部分场景也就是这样

如果真的遇到特别复杂场景，使用小模型的方式应该是自己手动规划任务，引导其执行

[milkleeeeee]

@icyalala
@zed1018 结论是没错啊，但“大学生跟资深工程师有巨大差距”这个结论很显而易见，这两者压根就没有可比性

@413420 我没激动啊，倒是你是不是 ai 用多了已经丧失基本的判断能力了

[JasonYip]

v4.1 flash 最大就 A16B ，指望不了做什么特别难的任务。最强模型出 spec ，ds 来执行就没得问题

[413420]

@milkleeeeee 看你一个人在那诡辩

[milkleeeeee]

@413420 连讨论和诡辩都分不清楚，你估计就是那种 ai 说啥都同意的

[himawari8]

@sampeng 这不就够了？市场策略没有毛病

面向国内消费者，只需要：
- 质量怎么样其实不重要，关键是定价要便宜，便宜，还是便宜；
- 要在容易看见/感受的地方，把所有的功能塞满。满足消费者的获得感和实惠感，以给足“捡了大便宜”的情绪价值。

[webcape233]

api 价格和套餐价格，其实比不合适。主要是 ds 也不出套餐

[SanjinGG]

@milkleeeeee #16 好像挺有可比性的吧，现在主流不就是找 3 年左右经验的+AI 代替 5 年+的人嘛

[qqlax]

高中生怎么跟博士生比... ds 快就是好，处理小问题，-p 回复其实就挺好

[noahhhh]

国产模型逆向用下来只有 Kimi K3 感觉最强，我让它把好些 macOS 现在不支持的 Intel 32 游戏逆向修改支持了 Arm 64 。

Flash 模型干点简单活还行，复杂的就很吃力了，像信创 Linux ，ARM 处理器用了远古内核史前 Glibc 魔改 Wayland ，让 GLM 5.3 Flash 装个浏览器都费劲，让 Astra 弄不仅装好还帮 XWayland 缩放 bug 和 GPU 加速搞定了。

[659746321]

astra high 给一个功能写的我目前 95%一以上都是一遍过，如果没过基本是我没说清楚，然后 claude 审核代码修改后。我是查不出漏洞。

[noahhhh]

@icyalala 这不一样呀，我让模型用正则匹配快速复制 NAS 文件到本地，小模型直接多线程开干了，之前用 GPT Sol 来干，我出门一趟回去还卡在生成校验 MD5 。

[gloeaerris]

claude opus + medium 有同样的问题，总是觉得这样做就可以，然后没解决问题又说自己是推测的，下次继续犯错，思考等级提高只是减少次数，问题该有还是有，gpt 从 5.5 一直用到现在，纠正了一段时间后就不再犯这种错误，估计积累了不少记忆，token 消耗明显快得多，我觉得对比一定要用干净的独立环境处理同样的任务，不然就不公平。社区里很明显：一直用 gpt 的人改用 claude 就觉得 claude 不太行，一直用 claude 的改用 gpt 也会觉得 gpt 蠢，不用全新环境体验肯定不一样

[stardust21]

5L 结论没错，所以没有必要去论坛发帖：“大学生看起来聪明，但是实际打交道还是和资深工程师有巨大差距”，这个不是说一个大家都知道的常识么？

[Jooooooooo]

很早就有讨论过，做到和 gpt/fable 一样的事情，性价比最高的还是这两家。

其它的看起来 token 便宜，实际干活并不便宜

[yuzo555]

Codex 的订阅，尤其是 Pro 20X ，完成单个任务的单价其实很低的，他足够聪明，大部分不太复杂的任务可以一遍过，然后他还会隔几天重置一次，综合算下来，价格不一定比 DeepSeek API 贵。

[FlashEcho]

@milkleeeeee #1 没有差这么多。普通用户使用 GPT 会使用订阅套餐的。一个 200 刀每月的 pro 20x ，每周可能能跑出接近 2000 刀的 API 额度，至少也有 1000 多刀，相当于官方至少了进行十倍的价格补贴。如果只用 API 价格算，确实差了几十倍。如果拿 Deepseek API 和 ChatGPT 套餐比，价格最多差几倍

[phrack]

大部分项目 deepseek 足够了

问题是它太贵了，两大 AI 的订阅性价比真的甩一条街，少有的能薅到资本家羊毛的时候

[tomchen]

reverse engineer 你还敢拿 deepseek 。Opus/Sol 我都不敢

deepseek 要和 luna 比啊。不知道涨价后的 deepseek 和 codex x20 里的 luna ，谁性价比更高。我怀疑是 luna

[msg7086]

@milkleeeeee #16 显而易见？
你 1 楼说得完全没错，我也完全同意，但就是有人觉得 ds 足够好了，可以拳打脚踢高端模型了，轻松赶超欧美了，所以才有这贴辟谣啊。要是世界都那么理想，人人都那么聪明，那还要警察做什么。

那我也可以说你 6 楼说的也是废话，楼主说的就是大学生和资深工程师有巨大差距，显而易见的大家都知道，你还特地原地 TP 解释一遍是撑的吗。怎么样，听着舒服吗？不舒服的话下次就少怼人。己所不欲勿施于人。

[msg7086]

@FlashEcho #31
OpenAI 的策略就是企业付高价补贴普通用户的低价订阅。当然政策和一般的家用服务政策是类似的，比如家庭宽带就是以用不完来计费的，而机房宽带则要考虑跑满的量来计费，同样 1G 的宽带，家用一个月跑 1T 流量算高的了，而机房则要考虑你一个月跑 100T 甚至 300T 来计费。
所以就是先开放便宜的订阅给你用，反正大多数人用不完（因为 ToS 规定严禁一个账户多人共享），等你用爽了，向公司推荐，让公司接入正规 API 接口，走企业定价，这样才挣大钱回血。个人订阅现在相当于打了 0.4 折，200 刀订阅一个月能跑 5000 的 Astra 。

不过归根结底有些任务还是要靠模型能力硬抗，要不然 Astra 两轮干完了 DS 干到下辈子都干不完。之前用哈基米 3.X Flash 跑复杂的逆向项目也是，输出速度刷刷的，跑起来一看什么鸟东西，烧完了几百条请求也没把地基搭完。

[darson]

deepseek 的论文里面清楚的指出，虽然 benchmark 接近，但长任务，复杂任务的差距明显。deepseek 向来坦诚，从没说过不切实际的宣传语。是某些人太想赢了。

[win8en]

道理我不懂，如果 4.1 flash 真能能 GPT6 接近的话，价格不可能差距这么多了

[Ley]

其实 OP 的重点想说的可能是“跑分很高但是实际编程性能和类似跑分的 Codex 相比有预期外的落差”吧
这里价格其实不是主要问题，而是低价高分但没有高能

[sampeng]

不知道在争论的有没有拿 ds 干活，这周国内的我都试过。财新的报道我也看过，一点毛病没有。单位 token 便宜是没错，但真的综合成本贵的 1p 。有进步没错，但人民群众的钱也不是大风刮来的。花了钱就要解决问题。op 这个例子不好，op 应该和 luna max 比…luna max 才是属于不要钱的那一档。我实际体验毛都摸不到。虽然都慢，但 luna max 是都能解决绝大部分问题。

我尝试了两次，我以为是 ds 我没用对，我把步骤，原因，用 astra 整理好，他又在那暴力思考半小时半天憋出来修改两文件两三行…

就这个表现，再便宜十倍我都用不上，太慢了就成了我为啥不自己上？为啥我一定要坑次坑次

真没好争论的，有些人在意单位 token ，有些人在意综合成本。只能说各取所需。

当然还有一类情怀人，国模要崛起了，支持国货就是政治正确。那我只能说尊重他人命运吧…

[yidinghe]

显然美国这边已经掌握了反蒸馏的新方式，就是让思维链在模型内部滚动不输出，你不管怎么蒸馏，都填不满输入跟输出之间的巨大鸿沟。这也是为什么 A\ 曝光的蒸馏提示词经过精心设计，绞尽脑汁要求模型给出完整思维链。

[thatlazyman]

v4.1F 快但别问对不对，只保证快了，适合对速度必要有要求任务，比如实时翻译。 距离新出的 astra 差距明显

[jenson47]

我觉得应该是语料不足也有关

[milkleeeeee]

@msg7086 你是对的

[catazshadow]

@jenson47 压制言论表达，出版自由，导致语料不足

一环扣一环，全是自找的

[testsb]

跑分对标的是 sol 吧，sol 跟 astra 差距本身也不算小

[lujiaosama]

@sampeng DS 拿来解决简单任务还是可以的，没有那么不堪。复杂任务自然需要 GPT6, GPT 5.6 SOL 这档。

[jackerbauer]

有一说一，已经能满足我大部分的编码工作了

[uplee]

@baicai321 API 肯定没法跟 coding plan 比的，你要算上 tibo 的重置，更便宜

[0x0x]

结论没错，基于 6 楼的结论：大学生和资深工程师之前差距巨大，但是有些公司的活可能只需要大学生就够了，并不是所有的工作都需要资深工程师来做。

大学生有大学生存在的价值，而且大学生也可以成长为资深工程师，给 ds 一些时间

[mingff258]

优势是快，非常快，我的任务相对简单，语义分析提取一些信息，相同任务我试过 GLM-5.3-flash 、qwen-3.8-flash 、mimo-2.5-pro ，出完整结果能快 3 倍以上甚至 5 、6 倍，而且做得更好。真 FLASH ！

[fanfou]

ds 真没有那么便宜， 从开发交付结果上来说。gpt 不需要几轮就能解决问题， 而 ds 需要花很多轮，中间可能还需要人来纠偏。输出 token 是快， 但是不出活有什么用。看最终任务完成度，烧的 token 和 gpt 不是一个数量级。

[zhanying]

能有 sol 就不错了。。

[daliusu]

这个模型完全不行啊我测试，为啥你们能拿他和 astra 比啊，我觉得也就是 luna 那一档的，比 sol 都差远了，我让他整理项目文档和实际开发功能，感觉都达不到可用标准，总有各种遗漏和理解不足的地方，出来的功能明显不如 grok4.6 （我觉得这个就是可用线了），但是速度确实快

[daliusu]

@daliusu #53 然后算算实际使用的价钱，感觉还不如 luna 开最高思考和快速，虽然还是慢一点，但是算下来加上重置便宜很多

[tianjiyao]

本来就是个电动自行车。。只不过现在是高档一些的电动自行车，你拿来和汽车比。。。我只觉得好笑。。

[lsylsy2]

我拿来一轮任务写几千行的代码调用几十个工具，我也用 astra ，flash 干这种活玩不来
但是我每个小时跑一次，去抓一下网页更新然后理解一下内容总结给我的小任务，ds 跑完了 astra 可能还在猛猛加载，这种活为什么不用 ds 呢

[jetsung]

它适合跑那些长任务类型的，能理解和执行就行了。人是逻辑思维什么的，像一些大佬说的，用 A\ 和 OpenAI 的模型来跑规划。

[Rorysky]

目前模型领域算是充分竞争的环境，这个环境下不存在 下克上