8月6日，旧金山AI工具平台Composio发布测试结果：基于DeepSeek V4 Flash正式版，在Gmail、GitHub等真实工具上执行30项任务。Oh My Pi成功率最高（17/30），但耗时最长（272秒/任务）；Claude Code最快（122秒），成本最高（0.195美元/任务）；OpenCode成本最低（0.073美元/成功任务）。测试旨在评估各框架对大模型性能的调用效率。