DeepSeek-V4-Flash 正式版来了，吊打 GLM-5.2
我看官方介绍，参数是一样的，纯靠后训练把几个 agent benchmark 干到第一。
DeepSWE 7.3→54.4，Terminal Bench 2.1 得到 82.7 紧追 Opus-4.8 的 85。
Flash 正式版都这么强了，很难想象 V4-Pro 正式版是什么水平。
DeepSeek-V4-Flash 正式版来了，吊打 GLM-5.2
更多动态
MacBook 请上岛
这两天我深度测试了下 DeepSeek-v4-flash-0731 的全栈开发能力，做了个 macOS 灵动岛app。岛上可以媒体控制、文件暂存、显示系统信息。 先说结论，后端能力的确能达到 glm-5.2 的水平，但因为没有视觉模态，前端能力排不上号。 工具用的原生 pi coding agent ，无skills、无subagents、无扩展。 DS-v4-flash-0731 一个模型 + 一个会话写完整个项目。 功能上实现花了两小时，消耗 1M多 token ，缓存 99%，优化 UI （灵动岛圆角、动画）花了一整天，最终 DeepSeek 后台余额用了近 40 元人民币。 千万不要用 ds 模型死磕 UI ，有个动画一直无法实现，卡了我半天多。最后实在没办法，新开一个 grok-4.5 会话，十来分钟就解决了。 这个 macOS 灵动岛app测试项目开源了，感兴趣的可以自行下载和二次开发。 github： https://github.com/haoyiyin/dao
GPT-5.6 Luna 降价 80%
对比下 DeepSeek-v4-Pro 的价格，打算把我的工作流的 subagent 模型换成 Luna 。 现在是 Grok-4.5 或 Kimi-K3 编排， Luna 干活，等我看看效果
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
