DeepSeek V4.1 FlashQwen3.8 Flash设计UI成本开源
DeepSeek 用 10% 的 token 成本在设计上赢了 Qwen
测试模型:DeepSeek V4.1 Flash 和 Qwen3.8-Flash,正面硬刚(都通过 omp / opencode-go 运行)。用场景:写代码——我 hackathon 项目里一个真实的功能……
通义千问快速版,本地能跑、125 tok/s,性价比高,但想太多。
“不过 Qwen3.8-next-flash 确实很惊艳,尤其是配上 Strata 或 Basalt 做推理引擎的时候。在 64G 内存的 5090 笔记本上跑 NVFP4 量化,解码能到 120-140 t/s,预填充 3000-4000 t/s。”
“光看它写 Agda 的思维链就知道(我用的是 Qwen 3.8-Flash-Next),它光是语法就挣扎得不行,还没到语义和类型错误那一步就已经崩了。”
“Flash next 整体是最好的模型,但它太(过于)积极了,会在任务中途跑偏去干一堆烦人的支线任务。在长周期的编码任务里,实在不敢放心让它自己单独跑。”
值得——千问 3.8 Flash 的 worth-it 分数是 57%,基于 203 个社区投票。
千问 3.8 Flash 是一款聊天模型。稀疏又快——只有 6B 激活参数,单张消费级 GPU 上解码能到 150 tps。
$0.11 / $0.38 每百万 tokens
测试模型:DeepSeek V4.1 Flash 和 Qwen3.8-Flash,正面硬刚(都通过 omp / opencode-go 运行)。用场景:写代码——我 hackathon 项目里一个真实的功能……