DeepSeek 4.1 flash maxでテストランを実行しました。
完全な記録はここにあります: https://gisthost.github.io/?28dedf78da999ccca5b5b4feb1d58fc9/index.html
これは少し汚染（コンタミネーション）がありました。dv コンテナ上でテストを実行していたため、ある時点でエージェントが、MCPに頼るよりもDockerを使って変更を加える方が効率的だと判断したからです。
画像生成にはQwen 3 Imageを使用しました。
「目（視覚）」のために、エージェントにchrome-devtools-mcpを与えました。これにより、Linux上でChromiumを使用するように簡単に設定できます。私の場合、これが好ましい選択肢です:
"chromium-devtools": {
"command": "npx",
"args": [
"-y",
"chrome-devtools-mcp@latest",
"--headless=true",
"--executable-path=/usr/bin/chromium",
"--chrome-arg=--no-sandbox",
"--chrome-arg=--disable-dev-shm-usage"
]
},
全体のランでは、ドライバーエージェントとサブエージェントの両方にDeepSeek 4.1 flashを使用しました。
TUIモードでそれを駆動するためにterm-llm.comを使用しました:
結果:
観察結果
ブリーフ（要件定義）は重要です。優れたブリーフがあれば結果も優れ、貧弱なブリーフではLLMの whims（気まぐれ）に任せることになります。優れたブリーフとは、構造や色について述べ、例を示すなどしたものことです。
DeepSeek 4.1 flashはこのテストで非常に高い能力を発揮し、非常に安価でした。99%のキャッシュ読み取り、読み取りトークンわずか280万という条件下では、オフピーク時で約1.52ドル、ピーク時では3.04ドルの費用がかかりました。Astraはトークン効率がはるかに高いため、これは公平な比較ではありませんが、参考までに、Astraで同数のトークンを使用する場合の料金は325ドルになります。
保守的に見積もっても、トークン効率を考慮に入れても、Astraでこのようなデザインを実現するには50〜100ドルはかかるでしょう。現在のAPIコストでは、1ドル50セントで実現することは不可能です。
私はOpenCodeのGoプランでこれを実行しましたが、月額10ドルのプランにわずかな減りすら感じませんでした:
このランについて印象的だった点がいくつかあります。無人で数時間にわたって実行できたことです。スレッドの最初の投稿にある全く同じブリーフに対して、勤勉かつ慎重に行動しました。ブリーフのすべての項目に対応しようと試み、徹底的にすべてをテストしました。
多くのことを正しく行い、デザインは堅牢でした。
ただし、これはGPT 6 Astraではありません。デザインは私にはLLMによるもののように感じます。余白、フォント、細部への配慮はAstraとは異なりました。また、Astraほどビジョン（視覚認識）の忠実度が高いわけではないことも明確です。1回目の反復後、多くの明らかな視覚的なバグがありましたが、プラス面としては、プロンプトを与えればそれらの大部分を修正できました。
なぜかこれだけは修正を拒否しました:
しかし、その他のクセ（不具合）はうまく処理されました。
ビルドの中で最も印象的だったのは、整然とすることへのこだわりです。
- 証拠用のフォルダを作成しました
- テーマをクリーンにエンジニアリングし、多くのファイルに分割し、テストすることまで試みました
全体的に言えば、50〜100倍安いモデルからAstraのような品質を期待すべきではありませんが、ツールとしては、コストのわずか一部ですばらしい結果を生み出せることは間違いありません。
後から考えると、dvコンテナ内で直接テーマを構築してからアップロードすることを推奨します。YOLOモードで安全に実行でき、セットアップも非常に簡単だからです。
来週、これ围绕してさらにいくつかの実験を行い、いくつかの例を投稿する予定です。