两款大模型下国际象棋 耗时思考量差距达10倍最终和棋

网友YRSM_Simon让Claude Fable 5，和在DGX Spark本地设备、开启全部推理功能的DeepSeek V4 Flash进行国际象棋对弈。

对弈过程中就出现了悬殊的性能差异：Claude Fable 5每步思考约2600个token，仅需50秒就能落子；DeepSeek V4 Flash进入中局后，每步思考需要2万到3.6万个token，最长一步思考耗时19分钟。

DeepSeek V4 Flash曾多次把1.6万token的思考预算全部用完仍未得出结论，裁判只能强制将预算扩容到4万个token让它重新思考，但此时它已经走出弃马强攻、连续将军抢后的棋路，局面处于领先。

整场对弈持续超过10个小时，最终双方战成和棋。全部对局的累计数据对比依旧悬殊：Claude Fable 5总思考量12万token，耗时41分钟，成本27美元；DeepSeek V4 Flash总思考量123万token，是前者的10倍，耗时12.1小时，本地运行成本为0美元。

对局过程中DeepSeek V4 Flash全场压制Claude Fable 5，仅因一步莫名丢车错失胜机，最终被对手守成和棋。给足推理预算后，DeepSeek V4 Flash在部分复杂任务上的能力不输Claude Fable 5，接下来将尝试调低它的推理预算再次测试。