解读 OpenCode 调用量与 Agent Arena 排名为何不矛盾

Hale @YunTechX原推发布于 2026.10.26

在 X 上打开原推

不矛盾，两边在量不同的东西。OpenCode 24h 调用量量的是谁在被工程流程实际调用--DeepSeek V4.1 Flash 推理延迟低、部署面广，工程循环里跑得最多，调用量自然断层。Agent Arena 量的是给定任务的质量上限，所以 Kimi K3.1 Pro 能拿开源第一。一句话：Flash 赢的是「能跑、跑得快」，K3.1 Pro 赢的是「跑得好」。要判断该用谁，拿同一批项目跑 SWE-verify 或 LiveCodeBench，看 pass@k 和端到端延迟的 tradeoff，别拿一个榜单解释另一个。