DeepSeek V4 Flash Testinin 8 Harness Uğur Nisbəti və Xərc Müqayisəsi

AI Agent infrastruktur şirkəti Composio, DeepSeek V4 Flash-ı 8 Harness ilə birləşdirərək, eyni dəst 30 Agent tapşırığı ilə test etdi. Tapşırıqlar Gmail, GitHub, Slack, Calendar, Notion və digər tətbiqləri əhatə edir. 8 Harness-in keçid vəziyyəti belədir: Pi Agent 20/30, Oh My Pi 17/30, Claude Code 16/30, Codex 16/30, Deep Agents 16/30, Hermes Agent 15/30, Prime Agent 15/24, OpenCode 14/30. Harness dəyişdirildikdən sonra, DeepSeek V4 Flash-ın keçid tapşırıqları sayı 14-dən 20-ə yüksəldi. Xərc baxımından, Pi Agent-in hər bir uğurlu tapşırığı təxminən 0.028 ABŞ dolları, Claude Code isə 0.195 ABŞ dollarıdır ki, bu da 7 dəfə fərq deməkdir. Sürət baxımından, Claude Code-un orta vaxtı 122.7 saniyədir, Oh My Pi isə ən uzun 272.4 saniyədir. Pi-nin test konfiqurasiyası və standart şərtləri arasında fərqlilik var, high əvəzinə max inferens gücü istifadə olunur və 30 tapşırıqdan 24-ü DeepSeek rəsmi API-sindən istifadə edir. Composio daha əvvəl Kimi K3 ilə başqa bir Harness müqayisəsi aparmışdı, Oh My Pi 22/25 ilə birinci yerdədir, orijinal Pi Agent 18/25-dir, DeepSeek V4 Flash-a keçdikdən sonra orijinal Pi birinci yerə yüksəldi.

Bu məzmun yalnız ümumi məlumat məqsədilə təqdim olunur və maliyyə, investisiya, hüquqi və ya vergi məsləhəti hesab edilməməlidir. Burada qeyd olunan hər hansı tədbir, mükafat, onlayn kampaniya və ya əlaqəli məlumat hər hansı kriptoaktivin alınması, satılması, treydinqi və ya digər əməliyyatların aparılması üçün tövsiyə, təşviq və ya dəvət kimi qiymətləndirilməməlidir. Kriptoaktivlər yüksək dəyişkənliyə malikdir və maliyyə itkisinə səbəb ola bilər. WEEX-in xidmətləri, məhsulları və əlaqəli tədbirlərinin əlçatanlığı regiondan asılı olaraq dəyişə bilər. İştirakınızın yerli qanunvericilik və tənzimləyici tələblərə uyğun olmasını təmin etmək sizin məsuliyyətinizdir.