我在 DeepSeek 4.1 flash max 上运行了一次测试。
完整记录在这里：https://gisthost.github.io/?28dedf77da999ccca5b5b4feb1d58fc9/index.html
这次测试受到了一些污染，因为我在 dv 容器上运行了测试，而且在某个时刻，智能体（agent）决定使用 Docker 来更高效地进行更改，而不是依赖我们的 MCP。
图像生成方面，我使用了 Qwen 3 Image。
为了查看效果，我给了智能体 chrome-devtools-mcp。这很容易配置为在 Linux 上使用 chromium，这通常是我的选择：
"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"
]
},
整个运行过程在驱动智能体（driver）和子智能体（sub agents）方面都依赖 DeepSeek 4.1 flash。
我使用 term-llm.com 以 TUI 模式驱动它：
结果：
观察
简报（brief）至关重要。如果你有一份出色的简报，结果就会很棒；如果简报质量差，你就只能听天由命，看 LLM 的表现了。一份优秀的简报会讨论结构、颜色，并提供示例等等。
DeepSeek 4.1 flash 在这次测试中表现出色，而且非常便宜。在 99% 的缓存读取率和仅 2.8M 读取令牌的情况下，这将在非高峰时段花费约 1.52 美元，或在高峰定价下花费 3.04 美元。Astra 的令牌效率要高得多，所以这样比较并不公平，但作为参考，Astra 处理类似数量令牌的费用将是 325 美元。
保守估计，即使考虑到令牌效率，我也认为你可能能在 Astra 上以 50-100 美元的价格完成这样的设计，以 1 美元 50 分的价格完成这在当前的 API 成本下是不可能的。
我在我的 OpenCode go 计划上运行了此测试，甚至感觉不到我每月 10 美元计划受到丝毫影响：
这次运行中有几件事让我印象深刻，它能够无人值守地运行数小时。它一丝不苟、小心翼翼地按照原帖中完全相同的简报进行操作。它试图解决简报中的每一个要点，并细致地测试了所有内容。
它做对了很多事情，设计也很扎实。
话虽如此，这还不是 GPT 6 Astra，设计感觉更像是一个 LLM 的设计。间距、字体和对细节的关注程度与 Astra 不同。也很明显，它在视觉保真度方面没有 Astra 那么高，在第 1 次迭代后存在许多明显的视觉故障，好在当被提示时，它能够纠正其中大部分。
不知为何，它拒绝修复这一个：
但其他怪癖它都处理得很好。
构建过程中最令人印象深刻的部分是它坚持保持整洁
- 它创建了一个用于证据的文件夹
- 它试图干净地设计主题，将其拆分为许多文件，甚至对其进行测试
总的来说，不要指望一个便宜 50/100 倍的模型能达到 Astra 的水平，但作为一个工具，它肯定能以几分之一的成本产生非常有趣的结果。
回过头来看，我建议直接在 dv 容器中构建主题，然后上传，因为你可以安全地在 YOLO 模式下运行它，而且设置非常简单。
下周我会尝试围绕这个主题进行更多实验，并发布一些更多示例。如果你有一份精彩的简报，请告诉我。
通常我会使用来自多个供应商的多个 LLM 来构建东西，所以一个更“我通常如何工作”类型的示例可能会很有趣。