直观看来大概率没什么用，billion context 自己那篇预印本里的评测做的都很水

看这个稿子不太像真的，Kimi 的外宣会这么涉政吗^-^，而且他只有五千粉丝，这个曝光也是孤证

那些 benchmark 应该没有一个是测 arena 这种前端能力的，包括 coding，因为审美在竞技场很重要，但这种东西很难程序化评价

因为 swe bench 基本都被刷爆了，比如 deepswe ，Claude 之类的也不测这个了 frontier code ，Cursorbench 这些好像都是闭源的，估计第一时间捞出来的就是图里这几个

699 才 25 刀也太变态了 ^-^

想起我的 cline pass 里的 deepseek 连 dsh 的工具都调不明白， 

 我这怎么还有 argon-b 呢

> Qwen3.8-Flash-Next ,Qwen3.8-27B-BF16 这两模型不应该鹈鹕都画不好吧？是不是部署出了问题

 享受一下吧，提前这么久给重置准信相当于一天时间免费蹬了，这种机会真的不多 不对怎么五分钟没了 5%^-^

关键是大肥鱼，而不是 DSH 感觉 DSH 在技术社区没被玩出什么新范式，看大家用它的方法和用 pi 的方法都没啥区别 ^-^

这个和 Anthropic 之前提的那个替代 git 的产品有什么区别，都是为 Agent 并行开发的版本管理设计的

grok 本身就不太行，ds 的问题也是对比 sol 和 opus 这种一线模型的，argon，grok感觉都是这股味儿

也就是 TPS 快了，工具调用力大飞砖，动不动扫全盘 timeout600，然后反复读文件，实际还不如 30tps 的 sol 快，更别说和最近提速后的 sol 还有 opus 对比了

任何 agent 都是这样，除非要压缩了

刚刚出的时候试过，上一个版本的 DeepSeek 的思考效率，但是只有四五十的 TPS，大概就是这种感觉吧，调一次工具能思考个几分钟

> - 在输入价格基础上再享 9 折优惠。 等等，缓存怎么是输入的九折？

 扩散模型能做成这样其实已经很强了

40 轮次以上的任务低于 98 基本可以认定要么上游出了问题（deepseek 官 api 基本不会丢缓存），要么 harness 里有前缀丢失 佬可以让 ai 排查下 trace

猫榜不是私人榜单吗？那他怎么拿到题目的 难道是直接从输入的数据里定位到题目的吗 想起了手机圈特调机的事 ^-^，靠 ip 地址来决定要不要调参数

模型强才有震惊瘫坐的帖子，deepseek 发新模都没几个测试 还记得 Astra 发布的那个晚上，震惊瘫坐四个字都不认识了

这些不都有官方的 GUI 版本（除了 pi）吗？你都能反代 aistudio，让 AI 帮你下个 magpie 来代理 workbuddy 就可以在这些 harness 里面用 deepseek 了

因为 workbuddy 非常难用，llm 要先和它的沙箱搏斗一番才能真正做事 如果你是 windows 环境，那更可怕了，拿个 powershell 的输出模型都得力竭 不如反代出来接个正经的 agent 用

deepseek 的算力相较于用户体量就多了吗？那大涨价干嘛。 我估计你也没有两边的负载-算力的具体数据吧，那如何得出的 luna 远小于 deepseek 的结论？

如何做到小得多且用着领先好几代的算力的同时 api 价格更贵，ttft 更慢，tps 更慢的？

没必要，不如冲一个 claude pro，额度太少，模型也不够强

感觉根本没法干活啊^-^，这钱开两个 Claude pro 耐用好几倍

丢掉五小时限额就是给自己找不痛快，大家都工作时间猛猛蹬给服务器上压力 最后就必须靠降速降智和限流来削峰

不过chat的额度至少是和cli分开的，待我打通cpa后体验一下cli的额度

找不到不许愿的理由，ai 写出来也没啥问题^-^，感觉自己都没有什么发挥空间

个人感觉不存在这一点，从这一年看过来 gpt5.4 时代，难道国模就不危险了吗？当时随手一薅就是 bug team，成本远远比 Claude 的会员便宜，约等于免费。公益站里 gpt 最强模型随便用，而国模唯一能打的还是 glm5.1 还限购