DeepSeek-V4 与 GPT-5.6 Luna：成本与编码性能对比

在编码 AI 模型领域，DeepSeek-V4 Flash 0731 和 GPT-5.6 Luna 是两种截然不同的选择，各自在不同领域具有优势。一项最近在 DeepSWE 基准上的对比测试评估了 900 个实际编码任务，展示了这两种模型在成本效益和编码性能上的权衡。

GPT-5.6 Luna 是 OpenAI 于 2026 年 7 月推出的中端旗舰产品，其 pass@1 得分为 67.2%，比 DeepSeek-V4 Flash 的 53.3% 高出 14 个百分点。Luna 的卓越准确性在所有八个任务领域和五种编程语言中均有所体现，使其成为对高风险、对准确性要求高的工作负载的明确首选。然而，这种高质量是有代价的：每个任务的成本为 $0.61，是 DeepSeek-V4 Flash 每任务 $0.10 成本的六倍。

成本是 DeepSeek-V4 Flash 的强项。每花费 $100，DeepSeek 可以解决 532 个任务，而 Luna 只能完成 110 个任务——每美元价值高出 4.8 倍。这使得 DeepSeek 成为在预算和任务数量优先于精准度的工作流程中的有吸引力选择。然而，DeepSeek 的效率也有显著限制：它速度较慢，平均每个任务需要 23 分钟，而 Luna 的时间为 16 分钟。此外，在某些任务类型上 DeepSeek 表现不佳，包括需要较强推理能力的工作和基于 JavaScript 的问题，在这些领域 Luna 明显占优。

级联方法：二者优势的结合？

报告中最令人感兴趣的发现是如何结合这两种模型以实现最大效率。先运行 DeepSeek-V4 Flash 作为第一层筛选器，仅在必要时升级到 GPT-5.6 Luna，结果表现出一个综合的 pass@1 得分为 78.9%——高于单独使用 Luna——而每任务成本降低至 $0.385。DeepSeek 以每任务 $0.10 的成本解决了大约 53% 的任务队列，为 Luna 留下更困难的任务处理。这种“级联”方法以 63% 的单独使用 Luna 成本实现了旗舰级别的准确性，是一种对成本敏感的部署的有吸引力选项。

任务特定性能

DeepSeek-V4 Flash 的优势在于结构化、基于规则的编码任务，例如 SQL 查询和配置语言，在某些情况下甚至优于 Luna。然而，在需要较强推理能力的领域（如并发和程序分析）中，DeepSeek 表现不佳，Luna 一直保持着 30 个百分点的领先优势。从编程语言来看，DeepSeek 在 Rust 和 Go 语言中具有竞争力，但在 JavaScript 和 Python 中表现令人失望，因此并不适合以 JavaScript 为主的技术栈。

对开发者的意义

对于开发者而言，选择这些模型取决于成本与质量的权衡。如果您的工作负载需要顶级的准确性，GPT-5.6 Luna 是明确的选择。其与 OpenAI 生态系统的集成、长上下文窗口和强大的推理能力使其成为高要求应用程序的可靠选择。另一方面，DeepSeek-V4 Flash 非常适合对成本敏感的项目，或者作为与 Luna 结合的初步筛选器，以在优化成本的同时发挥作用。

截至 2026 年 8 月，OpenAI 已开始将其默认服务转向 GPT-5.6 Luna，表明其专注于成本效益和高量应用程序。同时，DeepSeek-V4 Flash 继续通过预算友好的替代方案证明其价值，特别是在多次尝试可以弥补其较低首次通过准确性的情况下。

尽管每种模型各有优势，但最聪明的做法可能是将它们结合起来以级联方式使用，利用 DeepSeek 的低成本和 Luna 的精准性，在性能和预算之间取得平衡。对于开发者和企业来说，“低成本优先”的策略可能会成为 AI 驱动编码工作流程中的标准方法。