头版Folia Daily Briefing
← 返回头版
科技人工智能

DeepSeek V4 Flash 编程工具性能对比:Oh My Pi 成功率领先

Composio 于 8 月 6 日发布了一项比较研究结果,针对四个 AI 编程智能体框架在 DeepSeek V4 Flash 模型上的表现进行了系统测试[1]。这家总部位于旧金山、成立于 2023 年的公司采用 30 项任务作为评估基准,使用 Gmail、GitHub、Slack 和 Notion 等真实工具进行测试[1]。

测试结果显示,各框架在不同维度的表现差异明显[1]。Oh My Pi 以 17/30 的成功率领先,虽然耗时较长(每任务 272 秒),但完成任务数最多[1];Claude Code 在速度上最具竞争力,平均每任务耗时 122 秒,但成本最高(每成功任务 0.195 美元)[1];Codex 完成了 16/30 的任务[1];OpenCode 虽然成功率最低(14/30),但成本最优,每成功任务仅需 0.073 美元[1]。


DeepSeek V4 FlashAI编程智能体Composio模型测试开发工具