Together AI 发布了对 DeepSeek-V4 Flash 和 GPT-5.6 Luna 在 DeepSWE 编码基准上的对比分析。虽然 GPT-5.6 Luna 在所有质量指标上都表现出卓越的性能，但 DeepSeek-V4 Flash 被证明具有显著的成本效益。分析表明，采用级联方法，优先使用 DeepSeek-V4 Flash，仅在必要时升级到 GPT-5.6 Luna，可以以比单独使用 GPT-5.6 Luna 更低的成本实现更高的准确性。 AI
影响 通过结合更便宜、功能强大的模型和更昂贵、更强大的模型，提出了在编码任务中利用 LLM 的成本效益策略。
排序理由 对两个模型在特定基准上的对比分析。
在 X — Together (inference / OSS) 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
We compared how far the same budget goes with DeepSeek V4 Flash and GPT-5.6 Luna on DeepSWE. Two DeepSeek V4 Flash attempts solved MORE tasks than one Luna attempt at roughly one-third the cost. https://t.co/yzLS3E3v9E
We analyzed DeepSeek V4 Flash and GPT-5.6 Luna on DeepSWE. A DeepSeek-first cascade with test-suite verification solved MORE tasks than Luna alone at 37% lower cost per task. https://t.co/fMUH9ulrVR
We ran 900 DeepSWE rollouts on DeepSeek-V4 Flash and GPT-5.6 Luna. Luna leads pass@1 by 14 points; DeepSeek delivers 4.8x the solves per dollar.