DeepSeek V4 Flash 自验证扩展跑赢 Claude，成本仅十一分之一
TheZachMueller · x · 2026-08-18
Terminal-Bench 2.1 实测显示，用 DeepSeek V4 Flash 采样 5 个候选解、再由同一模型用 LLM-as-a-Verifier 排序，准确率从 79% 提升到 88%，以低廉成本超越闭源前沿模型 Claude Fable 5，成本约为其 1/11。
@tokenbender 评论指出：这不算 alpha，而是很好的杠杆化 beta——「每美元智能」只有在企业拥有可信的评测集时才有真实价值，而几乎所有企业都没有；因此他与创始人的对话 90% 是先帮忙建一套 100-200 条的代表性评测集。
所属事件:DeepSeek V4 Flash 自验证 scaling 以 1/11 成本胜 Claude Fable 5(5 条相关)→
「编程与Agent」频道最新
- 吐槽:编码 agent 动辄开出 3 个堆叠 PR,合并体验太糟 — holdenmatt · 2026-10-16
- Google 团队用序列拍卖构建去中心化 LLM 多智能体工作流 — _onionesque · 2026-10-16
- OpenAI 数学模型发布后,GitHub 众人协作压低整数乘法 kappa — xennygrimmato_ · 2026-10-16
- 开发者发布 Pattern MCP:让编码 agent 先查现有组件再动手 — DonR954 · 2026-10-16
- 纯光线投射实现零关键帧蜘蛛,地面墙壁天花板无缝爬行 — yshan2u · 2026-10-16
- OpenCode v1.19.2 发布：1.x 用户不再被误推 2.x 升级 — opencode-agent[bot] · 2026-10-16