합성 벤치마크에서 상위권을 차지함에도 불구하고…

…DeepSeek의 V4 Flash 모델은 8개의 독립된 하니스(harness)에서 복잡한 다단계 에이전트 작업을 단 53.8%만 완료했다. 리더보드 점수와 실제 도구 사용 신뢰도 간의 격차는 프로덕션 배포 전 엄격한 운영 평가가 필요함을 강조한다.

AI 생성: 요약은 링크된 출처를 바탕으로 AI가 작성했습니다. AI 활용 방식