DeepSeek-V4-Flash 接入 Codex 与 Claude Code 一手实测

📌 一句话摘要

文章通过对 DeepSeek V4 Flash 在四种 agent harness 中的实测，比较了成功率、成本和延迟三个维度，发现没有全能赢家，建议根据自身优先级选择 harness。

📝 详细摘要

文章详细报道了 Composio 使用 DeepSeek V4 Flash（284B 参数、13B 激活）分别接入 Claude Code、Codex、OpenCode 和 Oh My Pi 四种 agent harness，在 30 个真实多步骤 agentic 任务（涉及 Gmail、Sheets、Airtable、GitHub、Slack、Calendar、Notion、PagerDuty 等在线工具）上进行对比测试。测试结果显示：Oh My Pi 成功率最高（17/30）但最慢；Claude Code 速度最快（122.7s/任务）但成本最高（约 $0.195/成功任务）；OpenCode 最便宜（$0.073/成功任务）但成功率最低（14/30）；Codec 处于中间水平。没有任何 harness 在成功率、成本和速度三个指标上同时占优，作者因而结论：选择 harness 应根据个人最看重的指标（成功率、成本或速度）而非单一总分排名。

💡 主要观点

- Oh My Pi 在成功率上领先，但速度最慢。 在 30 个真实 agentic 任务中，Oh My Pi 达到 17/30 的成功率，最高；然而其每任务中位耗时达到 272.4s，是四种 harness 中最慢的。

Claude Code 速度最快但成本最高。 Claude Code 的端到端中位耗时仅 122.7s，最快；但每成功任务的 API 成本约为 $0.195，约是最便宜方案的 2.7 倍。

OpenCode 成本最低但成功率最低。 OpenCode 每成功任务成本仅 $0.073，最便宜；但其成功率仅为 14/30，是四种 harness 中最低的。

没有 harness 在成功率、成本和速度三个维度上同时占优。 三个维度的排名互相交错：成功率最高的 Oh My Pi 最慢，速度最快的 Claude Code 最贵，成本最低的 OpenCode 成功率最低，因而不存在全能赢家。

选择 harness 应根据个人最看重的指标而非总分排名。 作者明确指出，harness 的选择直接影响 3 个任务的成败、近 3 倍的成本差异和 2.2 倍的速度差异，因此应依据自身在成功率、成本或延迟上的优先级来决定。

💬 文章金句

- 没有全能赢家

• 最快的也是最贵的，成功率最高的反而最慢
• 按你最看重的那个指标去选 harness，而不是看某个单一总分排名

📊 文章信息

AI 初评：87

来源：PaperAgent

作者：PaperAgent

分类：人工智能

语言：中文

阅读时间：4 分钟

字数：947

标签： AI Agent, Agent Harness, DeepSeek V4 Flash, Claude Code, Codex

阅读完整文章