DeepSeek V4 Flash 靠自验证击败 Claude
nptacek · x · 2026-08-21
实验显示，使用 DeepSeek V4 Flash 采样 5 个方案并用同一模型进行 LLM-as-a-Judge 排序，可将 Terminal-Bench 2.1 准确率从 79% 提升至 88%，超越闭源 SOTA，且成本仅为 1/11。
所属事件:斯坦福开源框架助 DeepSeek V4 Flash 反超 Claude(2 条相关)→
「编程与Agent」频道最新
- 如何降低大规模 Agent 运维开销？博主启动调研 — zakelfassi · 2026-08-21
- 实测：把 ChatGPT Pro 连 GitHub，比单用 Codex 效率高得多 — jdjohnson · 2026-08-21
- AMD MI300x vs 英伟达 H100：Agent 编码实测对比 — locker73 · 2026-08-21
- CLI 编码 Agent fx 更新：二进制仅 6MB，支持 WASM — evilrabbit_ · 2026-08-21
- 反驳：AI 写代码不是递归，只是迭代 — gerardsans · 2026-08-21
- Huzzah 编辑器:用伪代码驱动 AI 编写程序 — gregbarbosa · 2026-08-21