ChainThink 消息，8 月 11 日，AI Agent 基础设施公司 Composio 将 DeepSeek V4 Flash 接入 8 套 Harness，并使用同一批 30 个 Agent 任务进行测试，任务涉及 Gmail、GitHub、Slack、Calendar、Notion 等真实应用。

测试结果显示，Pi Agent 通过 20/30，成功率最高；

Oh My Pi 为 17/30，Claude Code、Codex、Deep Agents 均为 16/30，Hermes Agent 为 15/30，Prime Agent 为 15/24，OpenCode 为 14/30。

仅更换 Harness，DeepSeek V4 Flash 的通过任务数从 14 个提升至 20 个。

成本和速度方面，Pi Agent 每个成功任务成本约 0.028 美元，Claude Code 为 0.195 美元，接近前者 7 倍；

Claude Code 中位耗时 122.7 秒，为测试中最快，Oh My Pi 中位耗时 272.4 秒，为最慢。

Composio 同时提示，Pi 的测试配置与统一条件存在差异：其使用 high 而非 max 推理强度，且 30 个任务中有 24 个走 DeepSeek 官方 API，而非 OpenRouter，因此差距不一定能完全归因于 Harness。

此前 Kimi K3 的 Harness 横评中，Oh My Pi 以 22/25 排第一，原版 Pi Agent 为 18/25。