Kxians（@xulijian1994）看到 Hy4 发布时的对比图，认为图中与 DeepSeek V4.1 Flash 1017 的差距，和自己对 DeepSeek 实际能力的认识不相称。他因此怀疑榜单是否夸大了进步。这是一位用户提出的疑问，本帖没有给出能确认刷榜行为的证据；本期访问 Hy4 官方研究页失败，未据此补写性能结论。
这条原帖下的公开评论中，chen20012 把争论引向了更具体的代价：他自述两者都试过，觉得 Hy4 容易走进无效推理分支，等待较久；DeepSeek 即使第一遍不够好，再修一次，总时间仍可能相近。这表达的是完成工作时对延迟、返工和费用的权衡。另一位回复者 Execables 却说，DeepSeek 也会想得很多而实际做得慢，提醒我们“思考快”未必等于“交付快”。
这些评论没有共同题集、完整提示、统一推理配置或可核对账单，不能合成一个性能榜。但分歧有技术价值：用户想买的是完成一次任务的过程，而发布表格通常只呈现某种条件下的最终得分。