deepseek-v4 flash coding 小测试，对比glm5

问题描述：

首先我用的是 kilo code vscode 扩展，不过由于deepseek-v4 才出来，kilo code还不支持 deepseek-v4的reasoning_content

会报下面这个错误：
The reasoning_content in the thinking mode must be passed back to the API.

我 fork 了一份 kilo code 自己修改适配了一下。

从昨天开始，我使用GLM 开发我的一个输入法的一个比较复杂的功能，和GLM5 智斗了一个晚上加今天的一个早上，直接把我的 bailian coding 干没了，都没给我实现出来，这个功能还是比较难的。刚好看到deepseek-v4 看到出来了，正好可以给我接力一下。于是基于修复完kilo code 的错误后，带着deepseek-v4 做开发这个功能，我用的是flash 版本。经过1个多小时的coding，终于做出来了。

开始的时候， 思维链直接思考了接近10分钟，不过，好在功能实现完全没问题，不像glm5一直捣乱，有时候还回归原来的bug。还有不知道为什么 flash 模型的思考会变全英文。

至于 deepseek v4 pro 模型我没有试，因为其实常用的还是 flash，毕竟它出活快呀。

---

17:00
惊艳到我了，这么复杂的一个功能，竟然完成了，就是有点费 token。。。

花了我6块钱，一共用了2484万token，命中2344万token，输出17.9万token。

当然glm从昨天到中午，花的肯定不止2484万token了。只是按token计费真心疼钱呀。。。。

image509×460 23 KB

设置为low了，思考过程还是很长，这太费钱了

网友解答：

---

--【壹】--：

我今天用 deepseek-v4-pro 来 review 代码，感觉并不聪明，没有问题的代码他非要说有问题

---

--【贰】--：

对于测试也是，很多人都是一套prompt,是最公平的，但可能对某些模型这不是最好的，它关注的点不一样，答案就差很远了

---

--【叁】--：

事实上，这么多个模型使用下来，和提示词有比较大的关系，如果大模型能理解你的问题，那他解决起来是比较容易的，如果不理解的话，就感觉像弱智一样。GLM5就是这个问题，所以我每次回复都会看他的推理是否理解了我的描述。

这个是比较关键的。

---

--【肆】--： kor1:

用GLM 开发我的一个输入法的一个比较复杂的功能，和GLM5 智斗了一个晚上加今天的一个早上，直接把我的 bailian coding 干没了，都没给我实现出来，这个功能还是比较难的。刚好看到deepseek-v4 看到出来了，正好可以给我接力一下。于是基于修复完kilo code 的错误后，带着deepseek-v4 做开发这个功能，我用的是flash 版本。经过1个多小时的coding，终于做出来了。

能提供一下使用了多少token，以及实际产生多少费用吗。佬

---

--【伍】--：

800万token， 2.5元。。目前flash 最大的问题是思考的有点长。

未命中9万token
命中799万token
输出2万token

---

--【陆】--：

肯定的，毕竟每家的数据集比例、成分，训练情况是不一样的。