上一期只把 Luna(GPT-5.6)和 DeepSeek V4 Flash 跑在 high 级别,评论区齐刷刷让我上 MAX。这回全部拉满重测:Luna MAX 十次尝试拿下 9.5/10,代价是一条提示要跑十几分钟;DeepSeek V4 Flash 换成官方直连再开 max effort,分数从 4.0 冲到 6.7,单条提示依旧只要一美分。用边缘情况覆盖度当压力测试,看看把思考等级拉满到底值不值。
原视频:https://www.youtube.com/watch?v=ltJukPGSqEg