DeepSeek V4.1 Flash 写代码成本差 15 倍

这期讲了什么

• Fireworks（一家自己也在卖 DeepSeek 的海外云）用 DeepSWE 让各家模型自己改代码、把任务做到通过：DeepSeek V4.1 Flash 拿到 74.34 分，最贵旗舰 74.12 分，另外两家旗舰也挤在 0.7 分以内；重跑一次分数能晃 1.4–3.2 分，谁都没把谁甩开
• 分化全在账单：DeepSeek 每任务 0.43 美元，最贵那档 6.52 美元，差约 15 倍——付给旗舰一次的钱，够 DeepSeek 连着跑 15 次；比 Gemini 那档便宜约 5.5 倍，比 Claude 那档便宜约 28 倍
• 换一类考试账就翻过来：研究生级难题考 HLE，DeepSeek 34.52 分落后旗舰的 50.40 分；另一套让 AI 操作电脑的考试只差 1 个点，便宜约 12 倍
• 为什么写代码这么便宜：这类任务读得特别多、说得特别少，输入输出约 174:1，账单六成来自反复读同一批资料，草稿占的那块贵内存缩小了

文字稿

DeepSWE：让 AI 自己改代码到通过

DeepSeek 出了个便宜档。海外一家专门跑别人模型的云，拿 DeepSeek 跟最贵的旗舰对打。写代码这件事上，成绩几乎挨在一起，差的完全是另一件事。

付过 AI 月费的人都清楚，账单涨起来特别没声。你以为多付钱能买到更强，月费涨了还觉得踏实。可这回对打完，我只想问一句：差的到底是什么？

测的这家叫 Fireworks，自己也在卖 DeepSeek。九月十四号这家发了篇对照，比的不是聊天，是派 AI 自己改代码、把任务做完。业内管这套考试叫 DeepSWE，你就把它想成：给 AI 一堆文件和报错，让模型连着修到通过。

DeepSeek V4.1 Flash 拿了 74.34，海外最贵那档 74.12，另外两家旗舰也挤在 0.7 分以内。他们自己说，换一次再跑，分数能晃 1.4 到 3.2。所以这组里，谁都没把谁甩开。

账单差多少：每任务 0.43 美元对 6.52 美元

分化全在账单。DeepSeek 每个任务 0.43 美元，海外最贵那档 6.52 美元。他们把所有模型摆在同一张图上，横轴就是每个任务花多少钱。同样让 AI 把代码写完，成绩几乎一样，账单却差了 15 倍。对上号的算法是：你付给旗舰一次的钱，够 DeepSeek 连着跑 15 次。比 Gemini 那档大约便宜 5.5 倍，比更贵的 Claude 那档大约 28 倍。倍数只能绑在写代码这件事上。

对你意味着什么？你多付的那笔钱，只买到同一档里最贵的单。至少在「让 AI 自己把代码写完」这类活上，账是这样算的。

HLE 难题考试：15 倍不能概括全部

换一类考试，账就翻过来。有套研究生级的难题考叫 HLE，DeepSeek 34.52，海外旗舰 50.40。原文写得很直：如果你的活只是硬科学推理，这可能不是合适的选择。另一套让 AI 操作电脑的考试，成绩只差一个点，便宜大约 12 倍，不是 15 倍。

所以 15 倍不能拿来概括全部。写代码、让它连着把任务做完，这笔账成立；纯考难题，它落后。

为什么写代码这么便宜

这类任务读得特别多、说得特别少。DeepSeek 读题时只激活一小部分，开口才用多一点。这次跑下来，输入和输出大概是 174 比 1，账单里六成来自反复读同一批资料。草稿占的那块贵内存缩小了，重复劳动就没那么贵。

我不敢替你的项目拍板。能做的只有一件事：打开你正在付费的那一档，看它接的是写代码连着干，还是在答难题。对上号再决定换不换。

同样写代码，你多付的不是更强，是 15 倍账单。你现在调的那一档，是写代码连着干，还是在答难题？

常见问题

DeepSeek 写代码比旗舰便宜多少？

按 Fireworks 的 DeepSWE 测试，DeepSeek V4.1 Flash 每个任务约 0.43 美元，最贵旗舰 6.52 美元，差约 15 倍；比 Gemini 那档便宜约 5.5 倍，比 Claude 那档便宜约 28 倍。这个倍数只绑在「让 AI 把代码写完」这类活上。

DeepSWE 是什么测试？

不是聊天考试，是给 AI 一堆文件和报错，让它自己改代码、连着修到任务通过的一套业内测试。

DeepSeek 便宜档适合所有任务吗？

不适合。HLE 研究生级难题考试里 DeepSeek 34.52 分，落后旗舰的 50.40 分，原文直说纯硬科学推理可能不是合适的选择；让 AI 操作电脑的考试只差 1 个点、便宜约 12 倍。15 倍这笔账只在写代码、连着跑任务上成立。