DeepSeek V4 Flash 登顶榜单，独立测试复杂任务通过率仅 53.8%

Techub News 消息，DeepSeek V4 Flash 虽然登顶榜单，但在 Composio 的独立测试中表现欠佳，仅完成 53.8% 的复杂代理任务。

测试覆盖 30 个工作流，共运行 240 次

这项测试覆盖 30 个多步骤工作流，涉及 Gmail、GitHub、Slack 等实际工具，共进行 240 次运行。

不同框架结果分化，Pi Agent 表现最好

结果显示，该模型在不同智能体框架下的表现差异显著，其中 Pi Agent 完成 20 项任务，表现最佳。

低定价未抵消失败率带来的额外成本

尽管 DeepSeek V4 Flash 的输入 token 定价低至 0.14 美元/百万，约为同类产品的十分之一，但较高失败率可能带来额外的计算与调试成本。上述消息由 CryptoBriefing 报道。