Считать надо не токены, а задачу: DeepSeek V4-Flash прошёл бенч в 105 раз дешевле Fable

Artificial Analysis намерил разрыв в 105 раз: DeepSeek V4-Flash закрывает те же задачи бенчмарка, что и Fable, за такую долю денег. Cline 1 августа 2026 напомнил, что цена за токен обманывает: модель может сделать больше ходов и вернуть тот же чек. Считать надо стоимость задачи целиком.

Почему это важно: Раньше модели сравнивали по прайсу за миллион токенов: две цифры в таблице, и выбор сделан. Теперь счёт собирают ходы агента: сколько раз модель полезла в файлы, перечитала контекст, переписала патч. Дешёвый токен при удвоенном числе ходов даёт ту же сумму в конце месяца. Сам Cline при этом признаёт: в замере Artificial Analysis разрыв держится и по стоимости задачи, а не только по прайсу. Что это были за задачи и каким агентом их гоняли, в твите не сказано.

Что дальше: Прогнать свой типовой модуль дважды, на DeepSeek V4-Flash и на Fable, и сравнить не цену за токен, а итоговый счёт и число ходов до зелёных тестов.