@YRSM_Simon: 让 Claude Fable 5 和本地跑的 DeepSeek V4 Flash（DGX Spark，thinking 开满）下国际象棋，下出了年度最离谱对比： Fable：每步思考 ~2,600 token，50 秒落子 V4 Flas…
摘要
作者让 Claude Fable 5 和本地运行的 DeepSeek V4 Flash 下国际象棋，结果 DeepSeek 在长思考下每步消耗数万 token 甚至超时，但局面反而占优，一局耗时 5 小时尚未结束。
查看缓存全文
缓存时间: 2026/08/05 00:19
让 Claude Fable 5 和本地跑的 DeepSeek V4 Flash（DGX Spark，thinking 开满）下国际象棋，下出了年度最离谱对比：
Fable：每步思考 ~2,600 token，50 秒落子 V4 Flash：进入中局后每步 2万–3.6万 token，最长一步想了 19 分钟。它还多次把 16k token 预算全部想满都没得出结论，被裁判强制扩容到 40k 重想
但可怕的是：弃马强攻、一路将军抢后，本地小模型现在局面占优
一局下了 5 小时还没完，睡了睡了，明天早上公布结果…
相似文章
DeepSeek-V4-Flash-0731：在国际象棋基准上超越 Fable-5、Sol 与 Kimi-K3
DeepSeek 发布了 V4-Flash-0731，这是一个在国际象棋基准上超越 Fable-5、Sol 和 Kimi-K3 的 AI 模型。
使用 DeepSeek V4 Flash 扩展自我验证，在 Terminal-Bench 2.1 上击败 Claude Fable 5，同时成本低11倍
LLM-as-a-verifier 是一个为 AI 智能体提供细粒度反馈的框架，使用 DeepSeek V4 Flash 在 Terminal-Bench 2.1 等基准测试上实现了最先进的性能，以更低的成本优于 Claude Fable 5。
DeepSeek V4.1 Flash：1017 token 效率
用户讨论 DeepSeek V4.1 Flash 的 token 效率表现，初步测试显示在高思考强度下 CoT 更短且质量更高，解决任务所需轮次更少，值得尝试。
@YRSM_Simon: 别被 Max 这名字“骗”了。 同一个任务我测试了100遍。 deepseek v4 flash max 比 medium 快 26%，token 省 34%，质量评分高83%。 max 虽然想得多，但是轮数也会更少。 （每个任务都不一样…
作者对同一任务测试了100遍，发现DeepSeek V4 Flash Max比Medium版本快26%、节省34% token，且质量评分高83%；Max虽思考更多但轮数更少。
@FuckAnthropic: 做了对比分析，综合看，DeepSeek V4 Flash-0731 大致是一个 Opus 4.7 - 4.8 之间水平的模型，以极小激活规模进入了前沿 Agent 模型竞争区间，用约 1/12～1/60 的 token 成本进入前沿 Ag…
作者对比分析认为，DeepSeek V4 Flash-0731 在极小激活规模下达到 Opus 4.7-4.8 水平，以极低 token 成本进入前沿 Agent 模型区间，整体超越 GLM-5.2，但短板仍是困难仓库级编程和长时程工程。