他在 Claude Code 裡,透過 Atlas Cloud 呼叫模型,把同一份需求交給 3 個模型比較。
第一次,DeepSeek 把那次回覆的 16,000 個 Token 額度全用在思考,沒有輸出成品,卻仍收了 0.019 美元。
後來,他把推理投入程度改成 low,這次才拿到完成的網頁,費用是 0.016 美元。
依他的分享,DeepSeek 是這次比較中唯一做齊 5 個場景的模型。
但要完成這項工作,他也付過前一次沒有成品的費用。
這個經過讓「便宜」多了一個要看的地方:除了成功那次花多少,之前付過的錢、有沒有拿到成果,也得一起算。
那麼,先不看這次個案,換成大家都做同一組評測題目,新版表現如何?
Artificial Analysis 的結果,可以幫我們比較它和舊版,以及相近價位的對手。
在新舊版都採 max 推理設定的評測裡,DeepSeek 的智力指數從 39 升到 45,每項任務的平均費用從 0.57 降到 0.26 美元。 兩版輸入與輸出單價相同,省下來的是完成評測任務的平均費用。
在這組測試裡,DeepSeek 稍便宜,綜合分數也高一些。
如果改和同為 45 分的 GLM-5.3 max 比,差距就更明顯:DeepSeek 每項任務平均 0.26 美元,GLM 是 2.01 美元。 不過,若工作主要是讓 Agent 操作終端機、修改程式,還要看這類工作的測驗。
如果你要做的正是這類程式工作,GLM-5.3 max 較高的通過率,就值得和它較高的費用一起考慮。
回到那次動畫,成功的 0.016 美元和失敗的 0.019 美元,都屬於同一項工作的嘗試。
DeepSeek 新版在固定評測裡確實有成本優勢;放到實際工作,還得連著最後交付的東西一起看,才知道這筆錢花得值不值得。