一位用户在代理框架中测试了 DeepSeek-V4-Pro-0813 和 Grok-4.6，发现它们的性能与基准测试相比略有令人失望。尽管如此，据报道，这两种模型仍然优于 Opus-5，而 Opus-5 目前受到计算资源的限制。另一位用户指出 DeepSeek 出色的推理能力，实现了高缓存率。 AI
影响 提供用户层面的见解，了解领先的 AI 模型在代理框架中的实际性能，突显基准测试与实际应用之间可能存在的差异。
排序理由 用户对模型性能的测试和评论，并非官方发布或基准测试。
在 Mastodon — sigmoid.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
RT @jun_song: Ich habe DeepSeek-V4-Pro-0813 und Grok-4.6 in meiner Agent-Framework getestet. Die Leistung enttäuscht etwas im Vergleich zu den Benchmarks (getestet auf realen agentic Aufgaben, nicht auf Flappy Bird). Dennoch sind sie immer noch weit vor Opus-5, das derzeit aufgru…
RT @thdxr: DeepSeek ist bei der Inferenz wahnsinnig gut – sie erreichen ein Cache-Verhältnis von 96,56 %, während unser zweitbester Anbieter nur 91,60 % schafft. Das mag nicht viel erscheinen, bedeutet aber, dass sie etwa die Hälfte der GPU-Zeit weniger benötigen. mehr auf Arint.…
RT @jun_song: Ich habe DeepSeek-V4-Pro-0813 und Grok-4.6 auf meiner Agenten-Framework getestet. Die Leistung enttäuscht etwas im Vergleich zu den Benchmarks (getestet auf realen agentic Tasks, nicht auf Flappy Bird). Dennoch liegen sie immer noch weit vor Opus-5, das aufgrund von…
RT @jun_song: Ich habe DeepSeek-V4-Pro-0813 und Grok-4.6 in meiner Agent-Framework getestet. Die Leistung enttäuscht etwas im Vergleich zu den Benchmarks (getestet auf realen agentic Tasks, nicht Flappy Bird). Dennoch sind sie immer noch weit vor Opus-5, das derzeit aufgrund von …