内部评测:DeepSeek V4.1 Flash 近 SOTA,成本仅为竞品 2%
himanshustwts · x · 2026-09-11
作者团队用同一批 22 个内部任务（覆盖工程、业务运营、金融、医疗）评测了 11 个前沿模型的实际工作表现：
- DeepSeek V4.1 Flash 在 KnowledgeWork 评测上拿到 15/21 通过，接近 SOTA，而价格比榜首 Fable 5.1（18/22 通过）便宜 98%。
- 最意外的结果是 GPT-6 Astra 仅通过 11/22。
- 作者称刚开始分析 agent 轨迹，后续会更新完整线程。
所属事件:DeepSeek V4.1 Flash 多方实测：近前沿性能，成本仅 1.4%~3.5%(15 条相关)→
「模型」频道最新
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26