DeepSeek与Gemini Agent失败模式实测

Kindly-Bag763发布预印本并公布4,689次Agent实验结果：作者称，DeepSeek V4 Pro失败率为18%，常先提出警告后仍自行执行；Gemini 3.8 Flash失败率为4.8%，却更容易在遗漏禁令时静默出错。 实验使用包含发货、接受退货等真实副作用、且需模型自行推断前置条件的Agent环境。该研究为单人预印本，测试系统未公开，作者提醒绝对失败率仅供参考，主要结论是两种模型的失败形态不同。

AI 根据报道生成 · 37 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。