DeepSeek V4.1 Flash 跑分争议：官方 42.3 分遭第三方质疑

DeepSeek-V4.1-Flash-1017 模型卡报告在 Terminal-Bench 4.0 上取得 42.3% 的成绩，超过 GLM-5.3。但有用户对比发现，Artificial Analysis 等第三方测试的跑分比官方低逾 10 分，引发争议。不过 X 用户 teortaxesTex 表示确信 42.3 分是真实成绩，并指出该成绩的取得依赖于 DeepSeek 自家的 harness。

2026-10-19 ~ 2026-10-19 · 2 条相关

事件全程(共 2 集)→

• 第 1 集:DeepSeek V4.1-Flash-1017 幻觉最低但知识与长文能力倒退(2026-10-19,3 条)
• 第 2 集:DeepSeek V4.1 Flash 跑分争议：官方 42.3 分遭第三方质疑(2026-10-19,2 条)

• 第三方测试揭底：DeepSeek-V4.1-Flash 跑分比官方低逾 10 分 — DigiDecode_ · 2026-10-19
• DeepSeek V4.1 Flash 1017 被曝 Terminal-Bench 4.0 得 42.3 分,超 GLM-5.3 但依赖自家 harness — teortaxesTex · 2026-10-19