sandiferresner 在 DSH agent team 效果实测中发帖DeepSeek v4.1 Flash 论文里面 dsh 的 agent team 性能很好, 所以用鹈鹕骑自行车简单测试一下. 原图如下, ProgramBench 测试的是能否仅凭一个黑盒的可执行文件（Executable）和相关使用文档，通过逆向工程完全复现出一个行为一致的软件. 可以看到开了 Agent team 之后性能提升了 50%. 这个图也可以看到工作时间不是越长越好, 可能有回退. [image] 下面是实测结果, 使用 dsh 标准模式, 提供 chrome devtools mcp 供它验证. 使用 v4.1 flash + high (我使用的是 ClinePass 里面的 deepseek, 我之前查路由, Provider 不是官方, 是 fireworks 和 novita, 所以结果仅供参考). 没有用 max 是因为差别不大, 简单任务可能有回退,...

sandiferresner 在 DSH agent team 效果实测中发帖

DeepSeek v4.1 Flash 论文里面 dsh 的 agent team 性能很好, 所以用鹈鹕骑自行车简单测试一下. 
原图如下, ProgramBench 测试的是能否仅凭一个黑盒的可执行文件（Executable）和相关使用文档，通过逆向工程完全复现出一个行为一致的软件. 可以看到开了 Agent team 之后性能提升了 50%. 这个图也可以看到工作时间不是越长越好, 可能有回退. 
 [image] 
下面是实测结果, 使用 dsh 标准模式, 提供 chrome devtools mcp 供它验证. 使用 v4.1 flash + high (我使用的是 ClinePass 里面的 deepseek, 我之前查路由, Provider 不是官方, 是 fireworks 和 novita, 所以结果仅供参考). 没有用 max 是因为差别不大, 简单任务可能有回退,...