娱乐性质评测。套餐都买了一遍玩玩，剩下的额度太多了所以拿来跑benchmark，请勿过度较真。 

测试一：DeepSeek v4 Flash 0731 渠道对比
现在能用上DeepSeek v4 Flash 0731的渠道不少，不过各家提供的模型是否存在差别？模型表现是否相同，是否出现低速甚至阉割的情况？ 
测试条件

数据集：Workbuddy-Bench-Code v1.0，80 个 coding tasks；不含 Web、Office 和 Security 扩展赛道。
Harness：CodeBuddy Cli 2.109.3（cbc-agent），每题最多 256 turns，自动压缩窗口 200K。
容器相互隔离；禁止 WebSearch、AskUserQuestion、ComputerUse、Workflow 等外部工具。
评分：Harbor verifier reward...