DeepSeek、Kimi K3.1、Opus 5.5、GPT-6 同台竞技，Token 消耗差了 13 倍

同一道题丢给五个组合同台竞技：DSH 配 DeepSeek V4.1 Flash、Kimi Code 配 K3.1 Pro、Codex 配 GPT-6 Astra 等。比的是耗时、完成度和成片质量，最快的 8 分钟，最慢的 46 分钟，还有选手把中文题做成了英文片。

DeepSeek 说：DSH与自家模型是绝配

DeepSeek V4.1 Flash 1017 最佳 Harness 易主，尽快拥抱 DeepSeek Harness！

实不相瞒，我一直想拥抱DSH，但还是没能习惯它

周末闲着没事，找了一道题目，让几个 Harness 和大模型同台竞技，看看他们表现如何，也确认一下哪些任务可以给哪些模型

我都想每周组织一场这个擂台了，大家有题目可以提哈，我抽空来测

本期出场选手包括：

• DSH 标准模式 + DeepSeek V4.1 Flash
• Kimi Code + Kimi K3.1 Pro
• Codex + GPT-6 Astra 极高
• Claude Code + Opus 5.5 Medium
• Gemini + Gemini 3.8 Flash

题目很简单，纯代码生成视频，提示词：

/treardown 做一个抓娃娃机为何总是抓不到东西的拆解视频，录制一段20秒视频

提示词中的 treardown 是一个 Skills ，可以把任何机器变成一个可以拆解的 3D 模拟器，感兴趣的兄弟可以试试

npx skills add elvarofficial/teardown

所有选手都只有一次机会

最终他们都完成了任务，视频效果比较主观

但是它们实际耗时和Token消耗却是板上钉钉的数字：

选手	耗时	token 总处理量（缓存占比）	输出 token
Codex	8 分钟	350 万（97%）	2.8 万
Claude Code	17 分钟	1215 万（96%）	13.0 万
Gemini	21 分钟	1394 万（96%）	8.1 万
Kimi Code	36 分钟	950 万（98%）	5.9 万
DSH	46 分钟	4644 万（99%）	28.1 万

图片会更明显一些，最高效的是 Codex，最墨迹的是 DSH

还是看下具体效果吧

1、DSH + DeepSeek V4.1 Flash

我选择 DSH 标准模式，整整 46 分钟才完成

符合我的刻板印象，之前测试过多次，同样题目，它总是“想太多”，它还有极简模式，我印象中也是“特能想”

结果如下，暇疵不少，唯一一个中文提问，最终给了英文视频的

2、Kimi Code + Kimi K3.1 Pro

Kimi K3.1 Pro 我前几天测试过，除了价格和速度，很难吐槽了

国产最强开源大模型，Kimi K3.1 Pro 实测 2 天，有惊喜，有吐槽

它的总耗时倒数第二，任务完成的还不错

我感觉可以排在 Opus 5.5 后面了

3、Codex + GPT-6 Astra

这是极速完成任务型选手，8分钟速通，感觉它太不擅长思考了，很喜欢无脑遵守我的指令，甚至舍弃了Skills中的框架

4、Claude Code + Opus 5.5

不可否分的冠军，输出的视频质量极佳，完美解释了我的问题

5、Gemini + Gemini 3.8 Flash

这是本次的搞笑担当，负责活跃氛围，瑕疵太多了

以上，大家感觉这个任务，谁完成的最好？