Una evaluación de Vals AI encontró que un modelo abierto de DeepSeek se acercó al mejor resultado de un sistema cerrado en redes corporativas simuladas, con un costo por ejecución mucho menor. Las pruebas también mostraron que los agentes pueden necesitar más de 100 millones de tokens para desplegar buena parte de su rendimiento, un factor que, según los investigadores, puede hacer que los benchmarks breves subestimen sus capacidades. ***