DeepSWE基准测试：DeepSeek-V4 Flash 0731对比GPT-5.6 Luna的成本与编码表现
DeepSeek-V4 Flash 0731 vs GPT-5.6 Luna on DeepSWE: Cost and Coding
摘要
在DeepSeek-V4 Flash和GPT-5.6 Luna上执行了900次DeepSWE rollout。Luna在pass@1指标上领先14个百分点；DeepSeek每美元解决的题量为前者的4.8倍。
我们在DeepSeek-V4 Flash和GPT-5.6 Luna上运行了900次DeepSWE rollout。Luna在pass@1上领先14个百分点；DeepSeek每美元解决的题量是前者的4.8倍。
译自 Together AI · 官方 · 录于 二〇二六年八月七日