作者原本准备1000美元预算，安排Gemini 4担任公司高管、DeepSeek担任执行者，协作开发一款名为OpenCompare的开源软件。实际结果远超预期：DeepSeek以账面12.64美元、折算套餐后约1美元的实际成本，独自完成了整套软件开发及自动维护闭环，共处理9993次请求、吞吐5.9亿Token，高缓存命中大幅压缩了成本。整个过程中作者仅输入两次大方向提示词，其余由Agent自行迭代完成。团队分工自然演进为：Gemini仅在产品决策拿不准时被唤醒，Token消耗几乎可忽略；DeepSeek则承担了全部研发与产品负责人职责。项目涵盖双栏代码对比、三向合并、快照协议、Apple开发者签名公证、三端打包发版等4大需求集、30多个子需求。在真机验收环节，DeepSeek展现了出色的Computer Use能力：Dock栏无法呼出时，它转而打开Finder切换大图标模式验证应用图标；面对系统级About弹窗不可见的问题，它直接从系统窗口列表定位独立窗口并截图确认。此外，项目还建立了自动化运营闭环：每15分钟自动监听GitHub仓库的Issue和Actions workflow，发现问题自动修复、实机验收并发版。项目已在GitHub开源，作者邀请社区提名更多付费软件的开源平替方案。
事件分析
这一实验的核心价值在于展示了双模型分层调度架构的成本优势：将高价模型仅用于少量关键决策、低价高效模型承担海量执行任务，可将整体成本压缩数个量级。5.9亿Token折算1美元的成本结构，凸显缓存命中策略对Agent长周期任务经济性的决定性作用。Computer Use环节的表现尤为值得关注的临场应变说明当前Agent已具备环境感知与策略切换能力，不再局限于线性脚本执行，这接近通用计算机操作Agent的实用化门槛。若其自动维护闭环经社区检验稳定运行，AI自主维护开源项目可能形成新的协作范式。不过该案例的成本数据依赖特定Token套餐与缓存机制，单一样本结论的普适性仍需更多项目验证，代码质量也有待社区审查。
核心观点：当廉价模型配合智能调度即可交付完整软件工程，AI开发的成本门槛正被瓦解，人机分工将重构软件生产链路。
原文链接：V2EX 分享发现
