实测称 DeepSeek-V4.1-Flash 刷新开源模型「Boeing 基准」，长程任务数小时不宕
victormustar · x · 2026-09-11
独立开发者 victormustar 补充实测细节，称 DeepSeek-V4.1-Flash 是他见过开源模型中 Boeing 基准（一项飞机类长程模拟任务）的最佳成绩：
- 借助 /goal 模式连续运行数小时，其他模型往往很快停滞，该模型保持「检查—发现缺陷—放大—诊断—修复—重复」的循环持续改进。
- 突出亮点是长时程（long horizon）任务中的持续性与自主判断该修什么的能力。
为第三方实测评价，非官方发布。
所属事件:开发者实测 DeepSeek-V4.1-Flash 刷新开源 Boeing 基准(2 条相关)→
「编程与Agent」频道最新
- Will DePue 呼应 OpenAI 加 API 级能力：让多智能体一次并行分发上千个小模型调用 — willdepue · 2026-10-28
- DeckWerk 新版获早期用户好评：连续数周用于真实演讲 — vincesitzmann · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 软件栈正为Agent重构:开发者站点、浏览器乃至编程语言都在agent-first — mobileraj · 2026-10-28
- HABIT-Bench:八种记忆系统测用户习惯推断,最佳仅33.61% — SJTU · 2026-10-28
- 「钢琴测试」思想实验：你敢坐在形式化验证过的代码下吗 — moyix · 2026-10-28