DeepSeek V4.1 Flash 盲测登国产第一，换客户端暴跌近 17 分
teortaxesTex · x · 2026-09-09
一组 7 个「模型+编程客户端」同题盲测显示：同一份生产级代码任务、同一安全问题、完全隔离沙盒下，DeepSeek V4.1 Flash + Claude Code 以 76.69 分拿下国产模型第一，超过 Qwen 3.8 Flash（75.13）、Kimi K3-256K（70.73）、Qwen 3.8 Max（69.58）和 GLM 5.3（64.72）。
- 赢在：安全隐私 88 分、失败/并发安全与性能单项最高，缓存命中率全程 99%+，49 分钟跑完，比大参数模型更快。
- 输在：功能正确性 78 分不敌 Qwen 3.8 Flash 的 82；失败安全绝对分仅 54，事务与并发路径仍弱；测试质量、架构、兼容性等均非单项第一。
- 最大变量是客户端：同一模型换到 DSH 宿主后直接掉 16.77 分（59.92），工具接入与执行流程差异巨大。
结论：Flash 已能对标旗舰，但工程边角未打满，客户端适配是当前最大变量；且这是单任务工程评测，不代表通用能力排名。
「编程与Agent」频道最新
- Runway 发布 App Studio：描述即生成图片视频音频创意应用，无需代码 — runwayml · 2026-10-27
- 用 $28 算力让模型给自己造 copilot：他的新模型个人基准 — bucolucas · 2026-10-27
- 创始人和 Claude 4 天产 46 条 App 视频，省下 1.15 万美元 — PrajwalTomar_ · 2026-10-27
- Agent 中途改计划该被允许吗：真实系统介入时的边界之辩 — wistfulcracker84 · 2026-10-27
- HeyGen 联手 Canva:幻灯片讲者备注自动变数字人讲解视频 — HeyGen · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27