个人体验：

GPT-5.6/6 Sol：能力极强，当之无愧的第一梯队，但一大半时间都用在过度防御上，每次任务都当成严苛的网络攻防战去做，时间跑了一大半，结果还没开始进入正题，全都在布防，活干得很慢，但细是真的细，基本上不会出差错。

DeepSeek 4.1 flash：指哪打哪说干就干，整体上规则执行得很不错，但有时候容易粗心，好在自己最终都能意识到。因为这一版给我的感觉就非常名副其实：“深度求索”，用户说出需求以后，一般不太会向你问很多信息，会主动把所有它能想到地方都挖一遍，基本上是把磁盘都扒完了。在回答前会尽可能自己去了解所有背景情况，这一块儿非常花时间，但它150token/s的吞吐量弥补了这一点，基本上是蹿稀式的吐字。整体来说给我的体验好过GPT，只要难度不是极高的任务基本上都给DeepSeek 4.1 flash了。