DeepSeek 用 10% 的 token 成本在设计上赢了 Qwen
测试的模型
- 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(Life OS,Next.js 16 + React 19 + Tailwind v4)里一个真实的功能,不是玩具 prompt
我用的 prompt
我没搞合成基准测试,而是把两个模型都派去干一件我真的需要干的活:我的落地页和仪表盘里全是 unicode 符号和 emoji 占位,我有一份写好的计划,要把它们换成正经的 Phosphor 图标和真实的品牌 favicon。我用 git worktrees 让两者并行跑(分开的文件夹、从同一个 base commit 分出的分支),prompt 完全一样,只有分支名不同:
Create an isolated worktree for this task: run `git worktree add ../ui-deepseek -b ui-deepseek` then `cd ../ui-deepseek`. Read the plan at plans/02-phorphor-icons.md and implement it fully - replace all generic icons on the website with proper Phosphor icons and set up the favicons, following the plan exactly with no unrelated changes. Run the project's build and lint to verify nothing broke, then commit everything on the ui-deepseek branch with a clear commit message.
(Qwen 拿到的是同样的文本,只是换成 ui-qwen;它的计划路径是 plans/02-phorphor-icons.md。两个模型在会话中都收到了两次追加要求:「边做边发小的 git commit,用一行 msg」和之后的「jetbrains mono 字体看着很怪,能不能换个更好的」。)
任务和结果
任务 1 - 换 Phosphor 图标 + favicon(按我的计划文件)
- 输入:
plans/02-phosphor-icons.md—— 通过一个中心的app/lib/icons.tsx注册表(SSR 入口,无 client boundary),把每个 ASCII/unicode 符号和 emoji 都换成@phosphor-icons/react组件;把真实品牌 favicon 下载到public/brands/;绝不手写品牌 SVG;任何地方都不留符号字符串。 - DeepSeek 的输出:
ui-deepseek分支上 7 个 commit,动了 33 个文件,+360 -171。构建 5.1 秒通过,tsc --noEmit干净。它跑了bun run lint,得到 2 个错误 + 1 个警告,然后做了件我没要求的事:它在第三个 worktree 里 checkout 出 base commit,也 lint 了一遍,证明这 3 个问题在我这个任务之前就存在。这正是你想从一个工程师身上看到的严谨。 - Qwen 的输出:
ui-qwen分支上 7 个 commit,同样的注册表架构(计划文件里已经规定了骨架),构建 4.2 秒通过,最后 tsc 干净。但它中途踩到一个真实的类型错误(从 SSR 入口导入了Icon类型,而那个入口没导出它——TS2724),需要一个修复 commit。DeepSeek 在写注册表之前就读了 phosphor 的类型定义,压根没踩到这个坑。Qwen 还从头到尾没跑lint,尽管 prompt 明确写了「build and lint」。 - 两个都拿到的一分:我的 prompt 里计划路径写错了(文件名打错了字)。两个模型都发现了,找到真实文件,没问就继续干。
两个 UI 都渲染正确,乍看几乎一模一样,因为设计本身已经是定好的——活只是把里面的图标机制换掉。Hero 星座带真实品牌标志、trigger feed、仪表盘导航:两边都干净。


我找到的唯一肉眼可见的质量差别在 Life Graph 的订阅列表里。DeepSeek 的 GitHub 标志渲染成白色,在深色 UI 上清晰可读。Qwen 的 GitHub favicon 是深色标志放在深色背景上,等于直接隐身了。放大看:


小事,但这是 UI 任务——像素就是交付物。
任务 2 - 换字体(同一会话里的追加要求)
- 输入:「the jetbrains mono font looks very odd, can you swap it out for something better」
- DeepSeek 的输出:选了 Geist Mono,重接了
--font-monotoken,在无头 Chromium 里用两条路由上的document.fonts.check()验证,commit。大约 90 秒搞定。 - Qwen 的输出:选了 IBM Plex Mono,还给出了更贴合网站的选型理由(「slab-terminal 风格契合 LIFE/OS 的标签美学」)。它踩到一个 next/font 类型错误(Plex 需要显式声明字重),修了,并在浏览器里验证了计算后的字体。它还追查了一个我没提过的 "Last sync" hydration 不匹配问题,并证明它在其改动之前就存在于 base commit 上。也大概 2 分钟。
不同的审美选择,都说得通。这里我稍微更认可 Qwen 的推理。
成本
| 项目 | DeepSeek V4.1 Flash | Qwen3.8-Flash |
|---|---|---|
| 输入 token | 243,064(+10.0M 缓存读取) | 882(+8.4M 缓存读取,+3.4M 缓存写入) |
| 输出 token | 47,840 | 59,234 |
| 工具调用 | 131 | 214 |
| 墙钟时间 | ~22 分钟 | ~23 分钟 |
| 总计 | $0.095 | $0.848 |
我诚实的结论
- 让我印象深刻的:两个模型都在真实仓库上一次性完成了一个真实的、多文件重构,产出了可合并的分支,commit 历史干净。DeepSeek 的验证习惯是亮点——它 lint 了 base commit 来证明那些失败不是它造成的,还在写代码之前先查了库的类型定义。Qwen 做了更多浏览器验证(37 张截图 vs 30),它对类型错误的自我纠正又快又干净。
- 让我失望的:Qwen 跳过了 prompt 里要求的 lint 步骤,交付了一个可见的 UI 缺陷(GitHub 标志看不见),还因为一个 DeepSeek 完全避开的类型错误需要一次修复 commit。DeepSeek 在这个任务上基本没有瑕疵;要硬挑的话,它选的字体是更稳妥、更无趣的那个。
- 值不值? DeepSeek:值,太值了——它在我的仓库上干了大约 20 分钟真实功能活,花了不到一毛钱,还一字不差地照着简报做。Qwen:活干得不错,但同样的任务花了 0.095 一比,很难说得过去。
赢家:DeepSeek V4.1 Flash。 同样的输出质量,便宜 9 倍,绕的弯路更少,而且两个结果唯一肉眼可见的差别(GitHub 标志)还站在它这边。Qwen3.8-Flash 不差——只是在这次任务所衡量的每个维度上都被比下去了。