DeepSeek v4.1 flash 在 8 种编码框架实测：极简 harness 表现最佳
mariofilhoml · x · 2026-09-11
DeepSeek 对其新 v4.1 flash 模型在 8 种不同 harness 配置下做了编码评测：模型在极简 harness（mini-SWE 与 DeepSeek 自家极简 harness）中表现最好，在 Claude Code 和 Codex 中反而欠佳。回复者 mariofilhoml 解释：这很可能是 RL 训练时选择了在 DeepSWE 等基准上表现好的 checkpoint 所致，即评测 harness 契合训练选择偏差。
所属事件:DeepSeek 跨 8 种 harness 实测 v4.1 flash，极简环境最强(3 条相关)→
「编程与Agent」频道最新
- Cursor 发布 Agent SDK:Markdown 写提示词,TypeScript 定义工具 — soleio · 2026-10-27
- 形式化方法黑客松 Vibecheck 满员:在旧金山给真实软件做形式化验证 — spikedoanz · 2026-10-27
- 医疗 AI agent 输出如何验证?开发者征求单元测试与 LLM 评审之外的方案 — Practical_Green5775 · 2026-10-27
- AI 智能体或成运行代码的唯一方式：鲁棒性远超传统方法 — IgorCarron · 2026-10-27
- 让 Hermes Agent 当 QA：浏览器实测揪出 8 个网站问题 — techlatest_net · 2026-10-27
- 开源 FableCut 用远程 MCP 让 AI Agent 直接剪辑浏览器时间线 — FastPresence9799 · 2026-10-27