能力 vs 帳單
指數 54.6 對應 Σ $0.4／MTok，Value 130.01。高指數不自動等於該買——看任務失敗成本是否撐得住溢價。
專長尖兵CF-1.3math
DeepSeek V4 Flash (Max)
DeepSeek V4 Flash (Max) 定位為「專長尖兵」：Cheese Index 54.6（#72）。相對群體在特定深度維度抬升明顯，適合對齊任務面後單點突破。場景上最貼近「成本優先」。
2026-07-18 快照。 deepseek · 6 路交叉訊號 · Pareto · Ops 55.0 · 最佳 Fit 成本優先 · deepseek
CHEESE INDEX
51.6#90
DEPTH
64.5
OPS
55.0
VALUE
122.76
BALANCE
84.4
CONSENSUS
80.7
Σ COST
$0.4
LATENCY
4470 ms
優勢訊號
- 落在成本－能力 Pareto 前沿：同成本難找到明顯更強、同能力難找到明顯更便宜。
- 專長「math」相對群體抬升 +26.7。
- 場景 Fit 首選「成本優先」（78.0）。
- 深度複合 70.5，能力覆蓋面不只單一軸。
風險與缺口
- 未見明顯紅旗；仍建議用 3–5 個自家任務做最後驗證。
深度雷達
實線＝本模型 · 虛線＝群體中位
芝士軸
coding
agent
horizon
場景 Fit
★ 成本優先
均衡穩健
編碼代理
生成原型
長程任務
關鍵取捨
指數 vs 體感
Ops 55.0 與 Index 54.6 是否同向？若指數高但延遲差，適合作離線／批次，而非同步對話主路徑。
均衡 vs 尖峰
三軸平衡 68.0。軸向落差大，更適合專長路由而非一刀切。
專長對齊
相對群體在「math」抬升 +26.7。任務面不匹配時，抬升無法兌換成產品價值。
部署體感
Ops55.0
Latency4470 ms
Throughput73.3
I / O$0.14 / $0.28
體感中段或偏弱：可作批次／離線，或搭配更快的分流模型。
驗證清單
- 用 3–5 個自家真實任務（含失敗案例）跑 A/B，勿只看排行分數。
- 記錄延遲 p50／p95、錯誤率與單位任務成本，對齊 Ops／Value 敘事。
- 只把「math」相關流量路由過來，避免通用聊天稀釋優勢。
- 上線後追 7 日指數波動與產品 KPI，決定是否留在短名單。
能力細節
swe ★
gpqa ★
hle ★
mcp
coding
agent
math ★
knowledge