DeepSeek V4.1 Flash 与 GPT-6 Luna 体素 3D 场景成本对比

xiax｜AI & Agents @xiax0603原推发布于 2026.10.18

在 X 上打开原推

🚨多模态工程场景横测｜DeepSeek V4.1 Flash 1017对决GPT-6 Luna 3D体素任务！ Atomic Chat做了一组对照实验，交由AI自主搭建特斯拉Roadster飞车特技赛道的体素仿真世界。 DeepSeek V4.1 Flash 1017完成完整场景构建仅耗费$0.89，完全相同的任务交给GPT-6 Luna，成本则上升至$1.07。 ▫️成本优势：整体费用降低约17%。模型依靠更短的推理链路、更快的任务闭环，直接削减场景生成过程里的token开销。 ▫️智能体性能：在Terminal-Bench这类面向智能体任务的基准测试中获得明显进步，空间视觉解析、工程代码生成两项核心能力同步增强。 ▫️部署灵活度：权重采用MIT开源许可，既可以本地离线运行，也能够通过API调用；闭源的GPT-6 Luna不具备本地私有化部署的能力。 ▫️画面呈现：两份体素成品视觉观感相近，倒挂环形坡道、车尾推力粒子特效、车载仪表盘细节都被完整还原。综合成本与部署弹性，DeepSeek的性价比优势更明显。 这项实验很值得关注：体素3D场景构建，本质是考验模型空间推演能力加上代码工程落地能力。 开源模型已经能在这类高复杂度多模态工程任务，同顶尖闭源模型正面较量。https://x.com/atomic_chat_hq/status/2111474429410566422/video/1

这条是引用着另一条写的：x.com/xiax0603/status/2111491941552787838