别再只看参数了，Agent时代要看任务完成率

最近这段时间，国内外模型更新得很快。

如果只看发布会和榜单，大家都会觉得每个模型都很强。参数更大、上下文更长、推理更强、价格更低，听起来都挺猛。

但真正用到工作流里，会发现另一件事：模型强不强，不只看它会不会回答问题，还要看它能不能把一个任务完整跑完。

尤其是 Agent 场景。

一个复合任务需要大模型去调用多个工具，比如让模型做一份 PPT，它并不是简单写几页文字。中间要先理解需求，再去搜索资料，阅读网页，提取关键信息，整理成汇报结构，必要时还要生成代码或调用插件，最后产出一个可以正常使用的PPT文件。

下面测试两个Agent任务，使用同样的提示词，相同的Agent工具-Trae Work。

PPT制作

提示词：

调研当前主流短视频平台的差异化优势和发展路径，并整理成一份汇报的演示稿件。调研范围包括平台基本情况、用户规模、内容生态、推荐机制、商业化模式以及代表性案例。重点对比不同平台在用户群体、内容类型和增长策略方面的差异，并总结其成功经验与未来趋势，为产品或市场策略提供参考。

Step 3.7 Flash

Step 3.7 Flash 收到指令后会根据提示词的需求，进行分析，然后检索对应网站信息，归纳信息最后调用PPT插件工具制作幻灯片文件。

风格偏向简约风格。耗时在5分钟左右，消耗差不多1块。

这个也可以明显的查看到，此次任务使用了什么技能和搜索了什么网站。

整体看下来，Step 3.7 Flash 更像是偏生产级的选择。

它的优势不一定是单页 PPT 最漂亮，而是在速度、工具调用和任务完成率之间比较平衡。高频、多轮、需要稳定交付的 Agent 任务，会比较适合它。

DeepSeek v4-Pro

DeepSeek v4-Pro也是同样的路径，识别任务然后找到需要调用的工具，PPT生成工具。

只不过配色方面要鲜艳一点。最后一步也成功调用了PPT工具。

耗时差不多5分钟，token消耗在0.5左右。

简单说，DeepSeek V4 的优势是内容组织和展示效果比较好，适合对成品表达有要求的场景。但如果是持续高频跑 Agent 流水线，还要继续看端到端速度和单次成本。

Minimax

调用Minimax执行这个Agent任务有些不同，同样的提示词，Minimax最后一步调用的HTML工具制作的演示文稿。正常来说应该要去调用PPT工具。既然调用了HTML生成工具，看看生成效果怎么样。

HTML整体画面风格还是可以的，因为是HTML所有代码要好生成一些，如果是制作PPT，可能就没有这么好把控。

风格偏向清新风格，数据这方面比较齐全的。耗时差不多在7分钟左右，金额消耗0.7。

所以 MiniMax M3 在这次测试里表现出不错的信息整理能力和视觉表达能力，但工具选择的可控性还需要关注。

它适合内容页、网页报告、轻量演示类任务；如果是严格办公格式，比如 PPT、Word、Excel，最好在 Prompt 里把输出格式写得更死一点。

Gemini3.5

Gemini系列的模型，审美一直在线，但是有一个实际问题就是-不稳定。

而且运行效率比较慢，国内模型的话这个PPT任务在3分钟内可以搞定，但是使用Gemini3.5现在粗略估计已经运行了10分钟了，还异常打断了一次。

如果在官方的工具中进行调用的话，那么会稳定一些。关键是谷歌的官方工具Google Antigravity也用不了呀。

下面是生成的PPT结果。

如果任务异常打断的话，会影响到任务链路会变得不连贯，最后导致成品一致性会变差。

这个是最后制作出来的，耗时差不多12分钟。因为中间有断联情况。

所以 Gemini 3.5 的优势更偏视觉审美和内容表达，适合对页面质感要求高的任务。短板是端到端效率和链路稳定性。

对于高频、低延迟、生产级 Agent 场景，这个问题会被放大。

GPT 5.4

GPT的模型在国外主流模型中，可能没有很突出的方面，但是比较全能。毕竟GPT是模型界的老大哥。

这里我使用的工具是MonkeyCode，因为这个平台可以免费使用GPT5.4.

同样的提示词这个是制作效果：

这个和MiniMax一样直接做成了一个HTML。很明显不是我们想要的PPT文件。

可能是工具没有选对。 切回统一的Agent工具Trae Work。

效果一般，不是很突出。

使用费用在1.4美元左右，那差不多就是9.5块人民币。耗时差不多10分钟。这样一比较起来，感觉除了写代码，日常的一些AI使用和Agent调用完全可以考虑国内模型。

模型耗时与费用对比

信息抓取

Step-3.7-flash

为什么要测试信息抓取呢？因为这个任务是需要大模型去调用浏览器工具，测试大模型调用单工具，单复杂任务的能力。浏览器信息抓取，需要模型去识别对应的界面标签，比如点赞在什么地方，评论在什么地方，找到对应的标签后，再进行往下面执行。

提示词

到小红书搜索关于即梦的最热门的笔记，选五个整理一下笔记的内容、点赞数和前三条评论整理为一个HTML，放在桌面就行，名字叫“笔记整理”。

这个浏览器测试任务消耗就比较高了，因为每一步模型都要进行思考下一步应该要干什么，点击什么元素才可以获取到对应的数据。

消耗了快200万的token，金额在0.9元左右。 最后制作的效果。

正确获取到了小红书上面的数据。

MiniMax-M3

同样的提示词采用MiniMax-M3进行一次测试。很明显数据和前面的有些不同。不同的原因是因为筛选不一样，MiniMax-M3选用最多点赞进行筛选。Stpe-3.7-flash采用最多评论进行筛选。

消耗金额在一块钱左右。

MiniMax-M3有一个小问题是没有打开浏览器进行操作，在Agent内部使用网络搜索得出的结论。但生成的结果已经可以了。

deepseek-V4-Pro

deepseek-V4-Pro正常调用浏览器去获取数据。

制作的HTML效果。

deepseek-V4-Pro使用了360万左右的token，价格在0.5左右。

测试到这里就结束了。

模型耗时与费用对比

最后

前面的测试，主要跑的是一个Agent任务的链路问题——从搜索→阅读→总结→代码生成→再到工具调用，最终输出PPT结果和数据展示。我们重点看的是这套流程是否跑得流畅，以及端到端耗时和单任务成本的高低。

如果只看单次成品，差距可能没那么夸张。但放到生产环境里，差异会被迅速放大。因为Agent任务看的是端到端结果：能不能稳定跑完，跑完要多久，每次调用要多少钱，最后文件能不能直接用。

至少在“高频、明确、可验证”这类Agent任务里，Flash档模型的价值开始凸显。它不追求所有榜单第一，但要在速度、成本和稳定性之间找到一个更实用的平衡点——而这恰恰是生产级场景最在意的三个维度。