@browser_use：DeepSeek V4.1 Flash 1017 在长程浏览器操作任务上追平 Opus 5.5，价格便宜 19 倍，得分超过 75/100，与 Opus 5.5 持平，几乎达到 Astra 水平……

X AI KOLs Timeline 新闻
deepseek browser-use benchmark ai-models cost-efficiency long-horizon

摘要

DeepSeek V4.1 Flash 1017 在长程浏览器操作基准测试中追平了 Opus 5.5 的表现，而每任务成本仅为后者的 1/19，树立了新的性价比帕累托前沿。

DeepSeek V4.1 Flash 1017 刚刚在长程浏览器操作任务上追平了 Opus 5.5。价格便宜 19 倍 👀 > 得分 75/100，与 Opus 5.5 持平，几乎达到 Astra 水平 > 每任务成本 $0.22 对比 $2.35 > Sol 仍然保持 SOTA，但差距已经很小了 新的帕累托前沿 🔥 https://t.c/AjefEYpIRd
查看原文
查看缓存全文

缓存时间: 2026/10/18 09:09

DeepSeek V4.1 Flash 1017 刚刚在长周期浏览器操作任务上追平了 Opus 5.5，价格却便宜 19 倍 👀

75/100，与 Opus 5.5 同分，几乎达到 Astra 水平 每任务 $0.22 vs 每任务 $2.35 Sol 依然是 SOTA，但差距已经很小

新的帕累托前沿 🔥 https://t.c/AjefEYpIRd

相似文章

@browser_use: Opus 5 和 GPT-5.6 Sol 在此不相上下！

X AI KOLs Timeline

Alexander Yue 推出了一项新的浏览器使用基准测试，其中 Opus 5 和 GPT-5.6 Sol 表现相似，强调了基准测试的稳健设计，包括为大语言模型评委提供的经过验证的评分标准。