1小时花一亿token极限实测DeepSeek-V4-Flash，得出7个结论

DeepSeek-V4-Flash风评冲爆了，原生支持接入Codex，而且还强化了Agent能力。

我第一时间把它接进了Codex，用cc swich非常方便。

一个小时，跑了一亿多token。跟大家说说体感。

先说大家最关心的问题，能不能识图。

答案是不能，V4本身没有多模态能力。

但是我发现了一个特别有意思的事情。

在 Codex 里我扔给它一张图片，问它这是什么。它竟然调起了我本地接入的Fable5 达到了目的。。

过程就是V4先尝试调用本地识图工具，但发现只能拿到图片的尺寸大小，颜色分布，看不到具体的内容。

然后就又去翻了我在codex里的记忆文档。

结果在记忆中发现了一个 Claude CLI，于是把图片交给 Claude CLI 去处理了。。最后交付我结果。

它殊不知这个 CLI 背后我接的 API 是 Fable 5。。

全程没有经过我的同意，“擅作主张”调用了一个收费的Fable 5模型。

我真的是。。。

交付能力是真的强，也是真的莽撞，你环境里接了什么付费 CLI，它是真敢直接用的。但我的钱包真的怕啊。

◈速度是真的快！

刚接上的时候，基本找回了实时交互的感觉。

Say hello 之后，它很快读完了 Codex 里的记忆文档和本地 Skill。

我让它检查服务器状态。

它自己找到服务器 Skill，连上 8 台云服务器，跑完状态检查，再整理成一张监测面板。

全程只花了 1 分多钟。

读文件、跑命令、切工具、整理结果，全都很利索。

不过，后面测的长任务跑到后半段，速度还是会慢一点。

Flash 感最明显的，主要是刚开始和短循环任务。而且，美中不足——

刚开测的时候飞快，吃到一次 503「Service is too busy，建议临时切换其他服务商」。

官方顶不住这个流量，估计全网都在薅。

◈Agent 能力很强，适应环境很快

它接进 Codex 后，不太需要手把手教。

目录里有什么文档、Skill、脚本和服务器连接，它会自己翻；发现已经有现成工具，也不会傻乎乎地重新造一个。

我让它训练一个文章阅读量预测模型，只给了一个 GitHub 数据目录。

它自己清洗数据、切训练集、训练模型，又针对「夕小瑶科技说」单独做特征和评估，最后把代码、图表和报告一起交了。

十几分钟，一个比较完整的工程就跑出来了。

◈长任务能顶住，敢推翻自己

我让它推荐一个短线选股策略，要求最近半年年化收益超过10%，最大回撤低于8%。

它先补全市场数据，接着写回测引擎。中间踩了不少坑。

数据源被封、补数脚本报错、净值计算还有一个 MTM Bug，一度跑出了错误结论。

它发现不对之后，又自己重写、复核，前后折腾了接近一个小时。

最后确实找出了一套近半年达标的「动量轮动＋指数择时」策略，但继续拉长到 2020 年后，它发现这套策略长期表现很差，于是又把结论改成了：

近半年成立，只能作为研究结果，不能直接拿去实盘。

这个过程挺有意思。

它会犯错，但不会轻易停，也有能力把自己刚才的结论推翻。

◈一如既往地实惠

我大概测了一个多小时，后台统计接近 1 亿Token，总共才花了八块钱，缓存命中接近 98%。

这种规模放在很多旗舰模型上，我可能跑到一半就开始心疼钱了。

我一共测了10几个任务，请求次数一共有13599次，平均一个任务触发大几百次请求。

（评论区有没有大佬说说这么多次正常吗）

但 DeepSeek 的优势就是，我敢让它继续试。

代码错了就重写，数据缺了就再拉，方案不行就换一套。

它单次不一定每次都做到最好，但靠着速度、价格和高缓存命中，可以用大量尝试把任务硬推过去。

◈大项目一次成型

我还给了它一个很长的需求，让它做一个可以多人联机的 3D FPS 游戏。

一个 URL，多个客户端进入同一个房间；地图里有枪械、近战武器、手雷、状态道具、随机 BOSS、神秘商人、聊天、排行榜和观战模式。

最后它真做出来了。

美术肯定谈不上精致，但比Demo好不少。我自己进去玩了一会儿，移动、射击、碰撞和动作反馈都挺跟手，多人同步也能正常工作。

◈输出过程有人味儿

它会不断告诉你自己卡在哪儿。

「找到真凶了！」「手雷没炸到人」

明显比现在顶模的碎碎念多得多，但比那种闷头跑半小时、最后只甩给你一句“任务完成”的 Agent 有意思的多，像一个人和你拉起进度一样。

欢迎评论区讨论！

文章来自于微信公众号 “夕小瑶科技说”，作者 “夕小瑶科技说”